GESTIÓN RESPONSABLE DE LA INTELIGENCIA ARTIFICIAL GENERATIVA EN LA
EDUCACIÓN SUPERIOR IBEROAMERICANA
RESPONSIBLE MANAGEMENT OF GENERATIVE ARTIFICIAL INTELLIGENCE IN
IBERO-AMERICAN HIGHER EDUCATION
Autores:
¹José
Edison
Beltrán
Vera,
²Juan
Felipe
Ortega
Bernal,
³Diego
Fernando
Osorio
González y ⁴Yilena Montero Reyes.
¹ORCID ID:
https://orcid.org/0009-0003-7207-5888
²ORCID ID:
https://orcid.org/0009-0009-7930-3488
³ORCID ID:
https://orcid.org/0000-0002-2685-7366
⁴ORCID ID:
https://orcid.org/0000-0003-4515-4700
¹E-mail de contacto:
jbeltranv@unemi.edu.ec
²E-mail de contacto:
jortegab6@unemi.edu.ec
³E-mail de contacto:
dosoriog@unemi.edu.ec
⁴E-mail de contacto:
ymonteror@unemi.edu.ec
Afiliación: ¹*²*³*⁴*Universidad Estatal de Milagro, Facultad de Posgrado, (Ecuador).
Artículo recibido: 2 de Septiembre del 2026
Artículo revisado: 4 de Septiembre del 2026
Artículo aprobado: 4 de Septiembre del 2026
¹Licenciado en Educación Básica, con énfasis en Matemáticas, graduado de la Universidad Distrital Francisco José de Caldas, (Colombia).
Con 16 años de experiencia laboral. Maestrante de la Maestría en Inteligencia Artificial para la Educación en la Universidad Estatal de
Milagro, (Ecuador).
²Licenciado en Negocios Internacionales, graduado de la Universidad Autónoma de Bucaramanga, (Colombia), con 5 años de experiencia
laboral. Maestrante de la Maestría en Inteligencia Artificial para la Educación en la Universidad Estatal de Milagro, (Ecuador).
³Licenciado en Lengua Inglesa, graduado de la Universidad de San Buenaventura, (Colombia), con 15 años de experiencia laboral.
Magíster en Tecnología Educativa, graduado del Tecnológico de Monterrey, (México). Especialista en Gestión Educativa, graduado del
Politécnico Grancolombiano, (Colombia). Maestrante de la Maestría en Inteligencia Artificial para la Educación, en la Universidad Estatal
de Milagro, (Ecuador).
⁴Licenciada en Estudios Socioculturales, graduada de la Universidad de Camagüey, (Cuba). Magíster en Trabajo Social, mención Trabajo
Social y Cultural, graduada de la Universidad de Camagüey, (Cuba). Doctorante en Ciencias Sociales.
Resumen
La
expansión
de
la
inteligencia
artificial
generativa
en
la
educación
superior
ha
modificado
prácticas
de
investigación,
aprendizaje y enseñanza y ha planteado nuevas
preguntas
sobre
su
uso
responsable.
Sistematizar
la
producción
científica
reciente
sobre la gestión responsable de la inteligencia
artificial
generativa
en
la
educación
superior
iberoamericana.
El
análisis
se
dirigió
a
reconocer las dimensiones temáticas con mayor
presencia, describir las tendencias principales e
identificar
implicaciones
y
vacíos
relevantes
para
la
gestión
universitaria.
Se
realizó
una
revisión de alcance documental. La búsqueda en
Scopus
reunió
99
registros.
Tras
revisar
los
registros
con
los
criterios
establecidos,
quedaron 81 artículos publicados entre 2023 y
2026;
con
ellos
se
conformaron
las
seis
dimensiones
temáticas
del
análisis.
La
mayor
presencia
correspondió
a
ética
e
integridad
académica, con 82,7 % (67 artículos), seguida
por
formación
docente
y
desarrollo
de
competencias,
con
74,1
%
(60).
También
se
identificaron estudios sobre gobernanza, 44,4 %
(36);
investigación
y
publicación
científica,
42,0
%
(34);
aplicaciones
docentes
y
estudiantiles, 25,9 % (21); y calidad educativa y
evaluación,
23,5
%
(19).
Los
hallazgos
muestran
que
una
gestión
universitaria
responsable
de
la
inteligencia
artificial
generativa
exige
articular
dimensiones
éticas,
formativas,
institucionales
y
académicas.
Siguen
abiertas
brechas
en
estudios
longitudinales,
evaluación
de
políticas
institucionales
y
análisis
comparativos
entre
contextos universitarios.
Palabras
clave:
Educación
superior,
Ética,
Gestión
universitaria,
Gobernanza,
Inteligencia artificial generativa.
Abstract
The
expansion
of
generative
artificial
intelligence
in
higher
education
has
modified
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 9.1
Edición Especial IX 2026
Página 424
research,
learning
and
teaching
practices
and
raised new questions about its responsible use.
Systematize recent scientific production on the
responsible management of generative artificial
intelligence
in
Ibero-American
higher
education.
The
analysis
was
aimed
at
recognizing
thematic
dimensions
with
greater
presence,
describing
the
main
trends
and
identifying relevant
implications and gaps for
university
management.
A
review
of
documentary scope was carried out. The Scopus
search
brought
together
99
records.
After
reviewing records using established criteria, 81
articles were published between 2023 and 2026;
with
them the six
thematic dimensions of the
analysis were formed. The highest attendance
corresponded to ethics and academic integrity,
with 82.7% (67 articles), followed by teaching
training
and
skills
development,
with
74.1%
(60).
Studies
on
governance
were
also
identified, 44.4% (36); scientific research and
publication, 42.0% (34); teaching
and student
applications,
25.9%
(21);
and
educational
quality
and
evaluation,
23.5%
(19).
The
hallazgos
demonstrate
that
responsible
university management of generative artificial
intelligence
requires
articulating
ethical,
formative,
institutional
and
academic
dimensions.
There
are
still
open
gaps
in
longitudinal studies, evaluation of institutional
policies
and
comparative
analyzes
between
university contexts.
Keywords:
Higher
education,
Ethics,
University
management,
Governance,
Generative artificial intelligence.
Sumário
A expansão da inteligência artificial generativa
na
educação
superior
alterou
práticas
de
investigação,
aprendizado
e
ensino
e
plantou
novas
dúvidas
sobre
seu
uso
responsável.
Sistematizar a produção científica recente sobre
a gestão responsável pela inteligência artificial
generativa
na
educação
superior
iberoamericana. A análise foi direcionada para
reconhecer as dimensões temáticas com maior
presença, descrever as tendências principais e
identificar
implicações
e
lacunas
relevantes
para a gestão universitária. Foi
realizada uma
revisão do escopo documental. A pesquisa no
Scopus
reuniu
99
registros.
Após
revisar
os
registros com os critérios estabelecidos, restam
81 artigos publicados entre 2023 e 2026; com
eles se conformam as seis dimensões temáticas
da
análise.
A
maior
presença
correspondeu
a
ética e integridade acadêmica, com 82,7% (67
artigos),
seguida
por
formação
docente
e
desenvolvimento de competências, com 74,1%
(60).
Também
se
identificaram
estudos
sobre
governança,
44,4%
(36);
investigação
e
publicação
científica,
42,0%
(34);
aplicações
docentes e estudantis, 25,9% (21); e qualidade
educativa e avaliação, 23,5% (19). Os hallazgos
mostram
que
uma
gestão
universitária
responsável
pela
inteligência
artificial
generativa exige dimensões éticas, formativas,
institucionais
e
acadêmicas
articuladas.
Seguem-se
aberturas
curtas
em
estudos
longitudinais,
avaliação
de
políticas
institucionais
e
análise
comparativa
entre
contextos universitários.
Palavras-chave:
Educação
superior,
Ética,
Gestão
universitária,
Governo,
Inteligência
artificial generativa.
Introducción
La
inteligencia
artificial
generativa
llegó
en
pocos años a distintas prácticas de la educación
superior. Estudiantes, docentes e investigadores
recurren a estas herramientas para apoyar tareas
académicas,
diseñar
recursos
educativos,
elaborar
textos
y
localizar
o
sintetizar
información.
Su
incorporación
amplió
las
posibilidades
de
trabajo
universitario
y
abrió
preguntas
sobre
autoría,
integridad
del
aprendizaje,
transparencia,
privacidad
y
responsabilidad
frente
a
los
contenidos
producidos con su ayuda. También se discuten
la
fiabilidad
de
las
respuestas,
el
riesgo
de
dependencia y el lugar que estas herramientas
empiezan
a
ocupar
en
actividades
realizadas
tradicionalmente
por
estudiantes,
docentes
e
investigadores.
Para
las
universidades,
estas
preguntas
alcanzan
las
normas
internas
y
las
prácticas pedagógicas. También llevan a revisar
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 9.1
Edición Especial IX 2026
Página 425
cómo se enseña, se aprende y se investiga. Entre
las decisiones que deben definirse están los usos
aceptables
de
la
inteligencia
artificial
generativa, las responsabilidades de quienes la
emplean y las condiciones institucionales para
incorporarla.
La
integridad
académica
figura
entre
los
temas
con
mayor
atención
en
la
literatura
reciente.
Padilla
y
Martín
(2024)
estudiaron
las
percepciones
y
actitudes
del
profesorado
universitario.
Encontraron
una
valoración favorable de estas herramientas y, al
mismo tiempo, preocupaciones por sus riesgos
y
por
la
necesidad
de
marcos
de
regulación.
Navarro (2023) señaló riesgos vinculados con la
dependencia,
la
confianza
poco
crítica
en
las
respuestas
generadas
y
las
tensiones
entre
quienes
utilizan
estas
tecnologías
y
las
instituciones universitarias.
Una segunda línea de trabajos se ocupó de la
formación
de
docentes
y
estudiantes,
de
la
confianza
depositada
en
los
resultados
de
la
inteligencia
artificial
y
de
las
reglas
que
orientan
su
utilización.
En
esos
estudios
se
repitieron
cuatro
preocupaciones:
privacidad,
confiabilidad
de
la
información,
dependencia
tecnológica
y
ausencia
de
criterios
comunes
para
guiar
el
uso
de
las
herramientas.
Estas
decisiones
toman
una
forma
concreta
para
el
profesorado.
Es
necesario
determinar
en
qué
momento y actividad de aprendizaje conviene
incorporar
una
herramienta
generativa,
qué
cambios
requiere
la
evaluación
y
cómo
se
mantiene la responsabilidad docente durante el
proceso
educativo.
De
esta
manera
quedan
relacionadas
la
dimensión
ética,
la
práctica
pedagógica
y
la
gestión
universitaria
de
estas
tecnologías.
La investigación y la publicación
científica conforman otro ámbito de análisis. En
tareas de redacción, síntesis y organización de
información,
las
herramientas
generativas
pueden
servir
como
apoyo.
Su
utilización
plantea preguntas sobre la declaración de estas
ayudas,
la
responsabilidad
por
los
contenidos
producidos,
la
atribución
de
autoría
y
la
verificación de las fuentes empleadas. Por esta
razón,
la
gestión
ética
de
la
inteligencia
artificial
alcanza
distintas
dimensiones
de
la
actividad universitaria.
El
análisis
se
ordenó
en
seis
dimensiones
temáticas:
ética
e
integridad
académica;
formación
docente
y
desarrollo
de
competencias;
gobernanza,
políticas
y
gestión
universitaria;
investigación,
escritura
académica
y
publicación
científica;
aplicaciones docentes y estudiantiles; y calidad
educativa y evaluación. Con esta organización,
el
estudio
buscó
sistematizar
la
producción
científica reciente sobre la gestión responsable
de
la
inteligencia
artificial
generativa
en
las
instituciones
universitarias
de
Iberoamérica
mediante
una
revisión
de
alcance
basada
en
PRISMA-ScR. El análisis se dirigió a reconocer
las dimensiones temáticas con mayor presencia
en el corpus, describir las tendencias principales
de
la
literatura
e
identificar
implicaciones
y
vacíos relevantes para la gestión universitaria.
Materiales y Métodos
La investigación se condujo como una revisión
de alcance, apoyada en un enfoque documental
que
permitió
describir
e
interpretar
la
producción
científica
seleccionada.
El
estudio
se
orientó
a
reconocer
cómo
se
investigó
el
fenómeno,
qué
líneas
de
investigación
predominaron y qué vacíos se identificaron en
la
producción
reciente.
La
revisión
siguió
las
orientaciones
de
la
extensión
PRISMA-ScR,
propuesta
para
mapear
evidencia
e
identificar
conceptos, enfoques metodológicos y vacíos de
conocimiento
en
áreas
de
investigación
emergentes
(Tricco
et
al.,
2018).
Su
elección
respondió
al
carácter
reciente
y
diverso
del
campo estudiado.
La pregunta de investigación
fue:
¿Cómo
se
caracteriza
la
producción
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 9.1
Edición Especial IX 2026
Página 426
científica reciente sobre la gestión responsable
de
la
inteligencia
artificial
generativa
en
la
educación
superior
iberoamericana?,
¿cuáles
son
las
dimensiones
temáticas
con
mayor
presencia y qué tendencias e implicaciones se
derivan de ellas para las universidades?
A partir
de
esta
pregunta
de
investigación,
se
establecieron
los
siguientes
objetivos
específicos:
1. Sistematizar bibliográficamente
el corpus de artículos recuperados mediante el
procedimiento
PRISMA-ScR,
describiendo
su
distribución temporal, editorial y metodológica.
2.
Analizar
las
dimensiones
temáticas
con
mayor presencia en el corpus, identificando la
frecuencia con la que aparecen en la literatura
revisada.
3.
Interpretar
las
tendencias
e
implicaciones
que
esas
dimensiones
plantean
para
la
gestión
responsable
de
la
inteligencia
artificial
generativa
en
las
universidades
iberoamericanas, prestando especial atención al
papel articulador de la ética entre las distintas
dimensiones.
La consulta se realizó en Scopus el 9 de junio
de
2026.
La
búsqueda
se
limitó
a
términos
presentes en títulos, resúmenes y palabras clave.
Scopus
fue
seleccionada
por
su
cobertura
de
publicaciones
científicas
revisadas
por
pares
sobre
inteligencia
artificial,
tecnologías
emergentes
y
educación
universitaria.
((generative
artificial
intelligence
OR
generative AI OR ChatGPT OR large language
model OR large language models OR LLM OR
LLMs OR inteligencia artificial generativa OR
IA
generativa
OR
inteligência
artificial
generativa))
AND
((higher
education
OR
university
OR
universities
OR
undergraduate
OR
postgraduate
OR
educación
superior
OR
universidad
OR
universidades
OR
universitarios
OR
pregrado
OR
posgrado
OR
educação
superior
OR
universidade
OR
universidades))
AND
(governance
OR
management OR policy OR policies OR ethics
OR ethical OR academic integrity OR quality
assurance
OR
educational
quality
OR
teacher
training
OR
digital
competence
OR
digital
competencies
OR
regulation
OR
responsible
use OR gobernanza OR gestión OR política OR
políticas
OR
ética
OR
ético
OR
integridad
académica
OR
calidad
OR
calidad
educativa
OR
formación
docente
OR
competencias
digitales
OR
regulación
OR
uso
responsable
OR
governança
OR
gestão
OR
política
OR
políticas
OR
ética
OR
integridade
acadêmica
OR
qualidade
OR
formação
docente
OR
competências digitais OR regulamentação OR
uso responsável)
La estrategia de búsqueda se diseñó de forma
focalizada para recuperar literatura situada en la
intersección
entre
inteligencia
artificial,
educación
superior
y
dimensiones
asociadas
con su gestión responsable. El tercer bloque de
la ecuación reunió términos de ética, integridad
académica,
gobernanza,
políticas,
gestión,
regulación, formación, competencias y calidad
educativa. Durante la búsqueda, esos términos
funcionaron
como
delimitadores
conceptuales
del
corpus.
Las
categorías
definitivas
se
establecieron
posteriormente,
durante
el
análisis
temático.
La
búsqueda
abarcó
inicialmente el periodo 2022-2026. Después de
aplicar
los
criterios
de
selección,
el
periodo
efectivo del corpus quedó entre 2023 y 2026,
con estudios indexados en Scopus.
Se
consideraron
investigaciones
sobre
herramientas
afines,
modelos
de
lenguaje,
ChatGPT
o
inteligencia
artificial
generativa
vinculadas
con
la
educación
superior
en
contextos
iberoamericanos.
El
alcance
geográfico comprendió América Latina, España
y Portugal. Para permanecer en el corpus, cada
estudio debía tratar al menos una dimensión de
la
gestión
responsable:
ética,
integridad
académica,
gobernanza,
formación,
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 9.1
Edición Especial IX 2026
Página 427
investigación,
calidad educativa, evaluación
o
aplicaciones académicas.
El resultado inicial de
la
búsqueda
en
Scopus
fue
de
99
registros.
Todos
se
incorporaron
a
una
matriz
de
extracción
y
se
revisaron
con
los
criterios
de
inclusión y exclusión.
En cada registro se comprobaron las palabras
clave, el título, el resumen, el DOI, el EID, la
pertinencia
temática
y
la
relación
con
la
educación
superior.
Cuando
la
información
estaba disponible, también se revisó el contexto
o
país
identificado.
Después
del
proceso
de
selección,
el
corpus
quedó
integrado
por
81
artículos.
Los
18
registros
restantes
se
excluyeron
por
baja
pertinencia
temática,
relación
limitada
con
la
inteligencia
artificial,
ausencia de vínculo con la educación superior,
duplicidad o un enfoque diferente al objetivo de
la revisión. La extracción se realizó mediante
una matriz documental en la que se registraron
los
datos
bibliográficos
y
los
elementos
necesarios
para
el
análisis
de
cada
estudio:
título,
año,
revista,
DOI,
EID,
resumen,
palabras clave, contexto o país identificado, eje
temático
preliminar,
duplicados,
decisión
de
inclusión y justificación, diseño metodológico,
objetivos, principales hallazgos, conclusiones y
problema de investigación.
El análisis tuvo dos
componentes.
Primero,
se
realizó
una
caracterización
descriptiva
del
corpus
a
partir
del
año,
la
revista,
el
contexto
y
el
diseño
metodológico.
Después,
se
desarrolló
un
análisis
temático
orientado
a
organizar
los
estudios
según
las
dimensiones
de
la
gestión
responsable
abordadas
en
sus
objetivos,
hallazgos
y
conclusiones.
La
clasificación
temática siguió una lógica deductivo-inductiva.
Figura 1:
Flujograma del proceso de selección
de la literatura según la declaración PRISMA-
ScR.
Fuente: Elaboración propia.
El
componente
deductivo
estuvo
determinado
por el alcance conceptual de la revisión y por
los
ámbitos
incluidos
en
la
estrategia
de
búsqueda,
entre
ellos
ética,
integridad
académica,
gobernanza,
gestión,
regulación,
formación, competencias y calidad educativa.
Tabla 1.
Resumen del proceso de selección.
Etapa
Registros
Registros identificados en Scopus
99
Registros sometidos a los criterios de inclusión y exclusión
99
Registros no incluidos
18
Artículos que integran el corpus final
81
Fuente: Elaboración propia.
Estos
conceptos
funcionaron
como
referentes
iniciales
para
examinar
el
corpus.
El
componente inductivo se desarrolló mediante la
revisión
de
recurrencias,
relaciones
y
énfasis
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 9.1
Edición Especial IX 2026
Página 428
presentes
en
la
información
disponible
de
los
estudios, lo que permitió agrupar y refinar los
referentes
iniciales
hasta
establecer
las
dimensiones temáticas finales. En esta etapa se
utilizó
ChatGPT
(OpenAI)
como
herramienta
de
apoyo
para
una
primera
organización
temática
de
la
información
registrada
en
la
matriz
documental.
Para
cada
estudio
se
consideraron
los
campos
disponibles
correspondientes
al
título,
resumen,
palabras
clave,
objetivos,
principales
hallazgos
y
conclusiones.
ChatGPT
se
empleó
para
reconocer
correspondencias
temáticas
y
proponer asignaciones preliminares a categorías
no excluyentes; sus resultados no se utilizaron
directamente para el cálculo de frecuencias.
La
clasificación
preliminar
fue
sometida
a
validación humana.
Dos
investigadores
revisaron
de
manera
independiente la presencia o ausencia de cada
dimensión en los 81 estudios del corpus a partir
de
la
información
disponible
en
la
matriz
documental.
Las
discrepancias
entre
ambas
revisiones, así como las diferencias relevantes
frente a la clasificación preliminar asistida por
ChatGPT,
fueron
examinadas
por
el
tercer
investigador.
La
asignación
definitiva
se
estableció
mediante
consenso
entre
los
investigadores
y
fue
esta
versión
validada
la
utilizada para calcular las frecuencias.
Como
resultado
de
este
procedimiento
se
establecieron
seis
dimensiones
temáticas:
(1)
ética
e
integridad
académica;
(2)
formación
docente
y
desarrollo
de
competencias;
(3)
gobernanza,
políticas
y
gestión
universitaria;
(4)
investigación,
escritura
académica
y
publicación
científica;
(5)
aplicaciones
de
la
inteligencia
artificial
en
la
docencia
y
el
aprendizaje;
y
(6)
calidad
educativa
y
evaluación.
Las
dimensiones
fueron
no
excluyentes, por lo que un mismo artículo pudo
aportar evidencia a varias de ellas. Cuando una
información no apareció de forma explícita en
las
fuentes
consultadas,
se
registró
como
“no
explicitado en las fuentes revisadas”.
Dado que la estrategia de búsqueda fue diseñada
de
forma
específica
para
recuperar
estudios
relacionados
con
la
gestión
responsable
e
incorporó
términos
asociados
con
algunas
de
estas dimensiones, las frecuencias obtenidas se
interpretaron exclusivamente dentro del corpus
delimitado
por
la
búsqueda
y
no
como
una
estimación de su prevalencia en la totalidad de
la
producción
científica
sobre
inteligencia
artificial
en
la
educación
universitaria.
El
análisis permitió establecer cuáles dimensiones
adquirieron
mayor
presencia
y
cómo
se
relacionaron
dentro
del
conjunto
de
estudios
seleccionados.
Resultados y Discusión
El
corpus
estuvo
compuesto
por
81
artículos
publicados
entre
2023
y
2026.
La
caracterización consideró el año de publicación,
la
revista,
el
diseño
metodológico
y
las
dimensiones
temáticas
asociadas
con
cada
estudio.
La estrategia de búsqueda comprendió
el
periodo
2022-2026.
Los
artículos
que
cumplieron
los
criterios
de
inclusión
correspondieron
a
publicaciones
de
2023
a
2026.
Tabla 2.
Distribución de los artículos incluidos según año de publicación.
Año
Número de artículos
2023
7
2024
16
2025
38
2026
20
Total
81
Fuente: Elaboración propia.
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 9.1
Edición Especial IX 2026
Página 429
La distribución anual se presenta en la Tabla 2.
La producción científica aumentó entre 2023 y
2025. En 2023 se identificaron 7 artículos y en
2024 la cifra ascendió a 16. El mayor número
de
publicaciones
se
registró
en
2025,
con
38
artículos. En 2026 se identificaron 20 artículos
dentro del periodo cubierto por la búsqueda, que
finalizó
el
9
de
junio.
Los
resultados
evidenciaron
una
mayor
concentración
de
publicaciones en 2025 y en los primeros meses
de 2026.
Figura 2.
Tendencia de publicación anual sobre gestión responsable de IA generativa en educación
superior (2023–2026).
Fuente: Elaboración propia.
Los
81
artículos
procedieron
de
revistas
vinculadas
con
diferentes
áreas,
entre
ellas
educación,
innovación,
tecnología
educativa,
educación
a
distancia,
derecho,
gestión
y
ciencias sociales. Esta diversidad evidenció que
la
gestión
responsable
de
la
inteligencia
artificial
generativa
fue
abordada
desde
distintos campos disciplinares.
Tabla 3.
Revistas con mayor número de artículos incluidos.
Revista
Número de artículos
European Public and Social Innovation Review
8
Texto Livre
6
Revista de Educación y Derecho
5
RIED-Revista Iberoamericana de Educación a Distancia
5
Formación Universitaria
3
Edutec
3
Educação e Pesquisa
2
REICE. Revista Iberoamericana sobre Calidad, Eficacia y Cambio en Educación
2
Revista de Ciencias Sociales
2
Revista de Investigación en Educación
2
Fuente: Elaboración propia.
Entre los 81 estudios se identificaron distintos
diseños
metodológicos.
Los
estudios
cuantitativos de carácter descriptivo fueron los
más
frecuentes,
con
27,2
%
(22
artículos),
seguidos
por
las
revisiones
y
los
estudios
documentales o bibliométricos, con 19,8 % (16
publicaciones).
También
se
identificaron
estudios mixtos, 8,6 % (7); cualitativos, 7,4 %
(6);
intervenciones
o
diseños
experimentales,
2,5 % (2); y ensayos, reflexiones o propuestas
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 9.1
Edición Especial IX 2026
Página 430
teóricas, 1,2 % (1). En 33,3 % (27 artículos) no
fue
posible
identificar
con
claridad
el
diseño
metodológico
a
partir
de
la
información
disponible en las fuentes consultadas.
Figura 3.
Distribución de diseños metodológicos en el corpus de análisis (N = 81).
Fuente: Elaboración propia.
Tabla 4.
Diseños metodológicos identificados en los artículos incluidos.
Diseño metodológico
N.º de artículos
Cuantitativo/descriptivo
22
Revisión, análisis documental o bibliométrico
16
Mixto
7
Cualitativo
6
Intervención o diseño experimental
2
Ensayo, reflexión o propuesta teórica
1
No explicitado en las fuentes revisadas
27
Total
81
Fuente: Elaboración propia.
La
ausencia
de
información
metodológica
explícita en 27 estudios se mantuvo como una
categoría
propia.
Este
procedimiento
evitó
clasificar
los
trabajos
mediante
inferencias
y
permitió diferenciar los casos en los que no fue
posible
identificar
con
claridad
el
diseño
metodológico
a
partir
de
la
información
disponible
en
las
fuentes
consultadas.
El
análisis
organizó
los
estudios
en
seis
dimensiones temáticas. Cuando la evidencia de
un
artículo
correspondía
a
varios
ámbitos,
se
registró
su
aporte
en
cada
una
de
las
dimensiones
pertinentes.
La
distribución
mostró una mayor presencia de las dimensiones
relacionadas con ética e integridad académica y
con
formación
docente
y
desarrollo
de
competencias. Gobernanza, políticas y gestión
universitaria
e
investigación,
escritura
académica
y
publicación
científica
ocuparon
una
posición
intermedia.
Las
aplicaciones
docentes y estudiantiles y la calidad educativa y
evaluación
registraron
una
presencia
menor
dentro del corpus.
Los resultados evidenciaron
que
la
producción
revisada
abordó
la
gestión
responsable
de
la
inteligencia
artificial
generativa
desde
dimensiones
académicas,
formativas,
institucionales
y
evaluativas.
La
frecuencia
de
las
dimensiones
permitió
establecer
posteriormente
las
relaciones
entre
estos
ámbitos
y
analizar
las
tendencias
identificadas en los estudios.
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 9.1
Edición Especial IX 2026
Página 431
Figura 4.
Distribución de indicadores temáticos en el corpus de análisis (N=81).
Fuente: Elaboración propia.
Tabla 5.
Dimensiones temáticas analizadas en el corpus incluido.
Dimensión temática
N.º de artículos
Ética e integridad académica
67
Formación docente y competencias
60
Gobernanza, políticas y gestión universitaria
36
Investigación, escritura académica y publicación científica
34
Aplicaciones docentes y estudiantiles
21
Calidad educativa y evaluación
19
Fuente: Elaboración propia.
La
ética
y
la
integridad
académica
constituyeron
la
dimensión
con
mayor
presencia en el corpus. Los estudios abordaron
asuntos relacionados con autoría, transparencia,
responsabilidad
intelectual,
fiabilidad
de
los
resultados generados, dependencia tecnológica
y
regulación
institucional.
Los
mismos
temas
aparecieron
en
docencia,
investigación,
escritura
académica
y
evaluación.
Padilla
y
Martín
(2024)
registraron
entre
alumnos
y
profesores
una
percepción
mayoritariamente
favorable de la inteligencia artificial generativa.
Junto
con
esa
valoración
aparecieron
inquietudes por la fiabilidad de los resultados y
por
la
necesidad
de
regulación
institucional.
Navarro (2023) advirtió riesgos asociados con
la
aceptación
acrítica
de
las
respuestas
generadas y con una dependencia excesiva. Los
dos
trabajos
llevan
la
discusión
de
integridad
académica hacia las
condiciones de uso y las
responsabilidades
que
acompañan
la
incorporación
de
estas
herramientas.
Breceda
(2025)
propuso
orientaciones
para
investigaciones
que
incorporan
inteligencia
artificial y puso el énfasis en responsabilidad,
integridad y transparencia. Peña (2025) estudió
la
originalidad,
los
derechos
de
autor
y
la
atribución
de
autoría.
En
ambos
trabajos,
las
cuestiones
éticas
aparecen
dentro
de
los
procesos
de
producción,
comunicación
y
divulgación del conocimiento.
Hernández et al.
(2024)
estudiaron
alumnado
mexicano
y
encontraron
una
percepción
ampliamente
favorable de la inteligencia artificial, junto con
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 9.1
Edición Especial IX 2026
Página 432
preocupaciones por la privacidad. Zambrano y
Pérez (2024), en El Salvador, observaron una
disposición
favorable
hacia
estas
tecnologías,
condicionada por limitaciones de capacitación y
de
acceso
a
recursos
tecnológicos.
Los
resultados
de
ambos
contextos
relacionan
la
adopción
de
las
herramientas
con
las
capacidades
disponibles
para
utilizarlas
de
manera crítica y responsable. Ortiz et al. (2025)
realizaron
con
estudiantes
universitarios
un
taller dedicado al uso responsable de ChatGPT.
Los
resultados
posteriores
a
la
intervención
formativa fueron favorables. El estudio sitúa la
formación ética entre las estrategias útiles para
orientar
el
empleo
educativo
de
herramientas
generativas.
La
presencia
de
la
ética
y
la
integridad
académica
se
extiende
a
distintas
áreas
de
la
actividad
universitaria.
En
los
estudios
analizados,
esta
dimensión
se
vincula
con
transparencia,
ética
intelectual,
autoría,
privacidad
y
criterios
institucionales
para
orientar
el
uso
de
inteligencia
artificial
generativa.
Dentro
del
corpus,
formación
docente
y
desarrollo
de
competencias
figuró
entre las dimensiones con mayor presencia. Los
estudios
relacionaron
la
incorporación
responsable de la inteligencia artificial con la
preparación
pedagógica,
el
desarrollo
de
competencias
y
la
capacidad
para
valorar
críticamente
sus
posibilidades
y
limitaciones.
Perezchica
et
al.
(2024)
encontraron
una
valoración
generalmente
positiva
de
la
inteligencia
artificial
entre
docentes
de
modalidad virtual e identificaron dificultades en
actividades donde la interacción humana tiene
un
peso
importante.
Los
autores
señalaron
la
necesidad
de
fortalecer
la
formación
profesional.
Espejo
(2024)
también
relacionó
una actitud positiva con una mayor disposición
hacia
la
adopción
de
estas
herramientas
y
destacó
la
importancia
de
la
preparación
pedagógica, ética e institucional. Jurado et al.
(2025)
documentaron
niveles
de
uso
entre
docentes universitarios peruanos y advirtieron
que los resultados obtenidos correspondían a las
características de la muestra estudiada.
Cabero
et al. (2025) analizaron el conocimiento docente
mediante un modelo TPACK ampliado con una
dimensión
de
evaluación
ética.
Según
sus
resultados,
el
dominio
técnico
debía
ir
acompañado
de
competencias
para
tomar
decisiones pedagógicas y evaluativas. Guerra y
Tass
(2024),
en
ingeniería
en
diseño
multimedia, identificaron posibilidades de uso
de
estas
herramientas
y
reservas
sobre
la
fiabilidad del contenido generado. Puntí et al.
(2026) registraron una presencia aún parcial de
la
inteligencia
artificial
generativa
en
la
formación publicitaria.
En
periodismo,
Lopezosa
et
al.
(2023)
describieron
una
formación
en
la
que
convergían
competencias
técnicas,
criterios
éticos y comprobación de la información. Las
intervenciones
formativas
aportaron
evidencia
adicional. Fontanillas et al. (2025) observaron
que
un
recurso
didáctico
acompañado
de
espacios
de
reflexión
ética
incrementó
el
conocimiento
declarado
por
los
estudiantes
sobre inteligencia artificial generativa. Bravo et
al. (2026) reportaron efectos moderados de una
estrategia
para
el
uso
crítico
de
ChatGPT
y
mejoras en las prácticas de verificación
de la
información.
Ribeiras
et
al.
(2025)
y
Mogollón
(2025)
extendieron
el
análisis
de
la
alfabetización
crítica a otros contextos universitarios.
En esta
literatura,
la
formación
se
asocia
con
la
construcción
de
criterios
para
decidir
cómo,
cuándo
y
con
qué
propósito
integrar
herramientas
de
inteligencia
artificial
generativa
en
las
tareas
universitarias.
La
preparación pedagógica, la reflexión ética y el
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 9.1
Edición Especial IX 2026
Página 433
examen
crítico
de
la
información
producida
aparecen junto con las competencias técnicas.
En
la
dimensión
de
gobernanza,
políticas
y
gestión universitaria, los estudios se ocuparon
de
las
condiciones
institucionales
vinculadas
con
la
adopción
de
inteligencia
artificial
generativa.
Los
trabajos
revisados
prestaron
atención
a
la
regulación,
la
formación,
las
condiciones de acceso, el resguardo de datos y
las responsabilidades institucionales vinculadas
con estas herramientas.
Perezchica et al. (2024)
documentaron
diferencias
entre
docentes
universitarios
respecto
del
conocimiento
y
la
utilización de inteligencia artificial generativa.
Zambrano
y
Pérez
(2024)
encontraron
limitaciones
de
formación
y
de
acceso
a
recursos
tecnológicos.
A
partir
de
estos
hallazgos,
el
acompañamiento
institucional
aparece
como
imprescindible
para
incorporar
las
herramientas
mediante
procesos
de
formación
y
criterios
definidos.
Trevisol
y
Varvakis
(2026)
llevaron
la
discusión
de
gobernanza
a
las
bibliotecas
universitarias
brasileñas
al
estudiar
allí
el
despliegue
de
la
inteligencia artificial. Divino (2024) de la Garza
(2024)
y
Breceda
(2025)
examinaron
la
necesidad de marcos regulatorios para orientar
las
prácticas
académicas
y
el
uso
de
estas
tecnologías.
Gallego
(2025)
incorporó
la
exclusión
digital
al
análisis
del
sistema
universitario público español.
Díez
y
Jarquín
(2025)
estudiaron
riesgos
educativos
asociados
con
el
empleo
de
inteligencia artificial en entornos virtuales. Las
diferencias de contexto también fueron visibles.
Puntí
et
al.
(2026)
registraron
variaciones
vinculadas
con
el
campo
disciplinar.
Moreira
(2026) encontró diferencias entre las políticas
adoptadas
por
universidades
públicas
brasileñas.
Desde
una
revisión
crítica
de
la
tecnología
educativa,
Alier
et
al.
(2026)
plantearon
que
los
criterios
empleados
para
decidir sobre innovación tecnológica requieren
examen. Al mirar estos resultados en conjunto,
aparecen
como
asuntos
recurrentes
la
regulación,
la
formación,
las
condiciones
de
acceso y las responsabilidades institucionales.
Las diferencias entre disciplinas e instituciones
deben tenerse en cuenta al definir políticas para
contextos universitarios diversos. Los estudios
agrupados
en
investigación,
escritura
académica y publicación científica examinaron
aplicaciones
de
la
inteligencia
artificial
generativa
para
redactar,
buscar
y
organizar
información,
producir
conocimiento
y
comunicar
resultados
científicos.
En
esos
trabajos
se
repiten
preguntas
sobre
la
confiabilidad de las respuestas, la trazabilidad
del
proceso
intelectual,
la
autoría
y
la
verificación de las fuentes.
Medina et al. (2025) trabajaron con alumnos de
posgrado de cinco países iberoamericanos. La
valoración
de
ChatGPT
fue
generalmente
favorable
y
estuvo
acompañada
de
reservas
sobre
la
confiabilidad
de
sus
respuestas.
De
Amo
et
al.
(2026)
examinaron
el
efecto
de
ChatGPT-4o
sobre
la
escritura
disciplinar
de
futuros
docentes
y
encontraron
mejoras
en
la
cohesión
textual.
Esas
mejoras
formales,
sin
embargo,
no
implicaron
necesariamente
una
mayor
comprensión
conceptual.
El
resultado
resulta
relevante
porque
la
calidad
formal
representa únicamente una parte del proceso de
construcción y comunicación del conocimiento.
En
tesis
universitarias,
Peña
et
al.
(2025)
identificaron
patrones
discursivos
asociados
con
el
uso
de
herramientas
generativas
y
observaron
cierta
tendencia
hacia
la
estandarización
de
los
textos.
El
estudio
describe
características
presentes
en
los
productos
escritos.
Para
valorar
el
proceso
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 9.1
Edición Especial IX 2026
Página 434
intelectual
se
necesita
información
adicional
sobre
la
manera
en
que
se
desarrolló
cada
investigación.
Otra
preocupación
de
esta
dimensión
es
la
calidad
de
las
fuentes
y
su
verificación.
Torres
(2024)
destacó
la
importancia
de
desarrollar
competencias
para
buscar y analizar información. Torres y Arroyo
(2025)
situaron
en
el
investigador
la
responsabilidad
de
verificar
la
evidencia
utilizada
cuando
incorpora
herramientas
de
inteligencia artificial.
Breceda
(2025)
examinó
la
transparencia
en
investigaciones apoyadas por estas tecnologías.
Peña
(2025)
se
ocupó
de
la
autoría
y
de
los
derechos sobre los contenidos producidos. En
investigación,
el
uso
responsable
de
la
inteligencia
artificial
queda
vinculado
con
la
trazabilidad
del
trabajo
académico,
la
verificación
de
la
evidencia
y
la
declaración
transparente
de
su
utilización.
Estos
aspectos
resultan
especialmente
relevantes
en
procesos
de escritura y comunicación científica.
Los
estudios
incluidos
en
esta
dimensión
analizaron
usos
de
la
inteligencia
artificial
generativa
en
actividades
de
enseñanza-
aprendizaje,
planificación,
retroalimentación,
orientación
académica
y
desarrollo
de
la
autonomía
estudiantil.
La
evidencia
revisada
también consideró las condiciones que influyen
en la utilidad educativa de estas herramientas.
Ortega
y
Pericacho
(2025)
relacionaron
la
percepción
positiva
del
estudiantado
con
la
utilidad
esperada,
la
facilidad
de
uso
y
la
motivación.
Cardenas-Sinche
et
al.
(2026)
encontraron
una
relación
favorable
entre
la
utilización
académica
de
ChatGPT
y
el
aprendizaje
autorregulado.
Kaechele
y
Palma
(2025) registraron una mejora progresiva de la
conectividad
entre
estudiantes
de
primer
ingreso, junto con desigualdades persistentes en
las condiciones de acceso.
La literatura también
presta atención a la mediación docente. López
et
al.
(2025)
describieron
aplicaciones
de
inteligencia artificial empleadas en la creación
de
actividades
y
en
la
retroalimentación.
Perezchica
et
al.
(2024)
observaron
mayor
aceptación docente de los usos relacionados con
la
planificación
y
mayores
reservas
ante
actividades
que
requerían
interacción
directa
con los estudiantes.
Los resultados también mostraron límites en los
efectos
educativos
asociados
con
estas
herramientas.
Tras
implementar
ChatGPT,
López
et
al.
(2026)
no
registraron
cambios
sustanciales
en
el
aprendizaje
colaborativo.
Mayor et al. (2026) identificaron limitaciones
en la calidad de las respuestas producidas por
asistentes generativos utilizados en orientación
universitaria. Mendoza et al. (2024) y Mula et
al. (2025) reportaron inquietudes asociadas con
la
confiabilidad
de
la
información
y
la
dependencia
tecnológica.
Estos
hallazgos
indican que los resultados educativos varían de
acuerdo con las condiciones y propósitos bajo
los cuales se incorporan las herramientas.
Núñez
et
al.
(2024)
propusieron
integrar
competencias
relacionadas
con
inteligencia
artificial
dentro
de
modelos
educativos.
Fontanillas et al. (2025) encontraron resultados
favorables
después
de
una
intervención
formativa
orientada
al
conocimiento
de
la
inteligencia
artificial
generativa.
Bravo
et
al.
(2026)
observaron
efectos
favorables
en
prácticas
de
verificación
y
uso
crítico
del
conocimiento
mediante
una
estrategia
formativa. Riquez et al. (2026) identificaron, en
una universidad peruana, una relación positiva
entre la percepción de una gestión institucional
adecuada de la inteligencia artificial y la calidad
valorada del servicio educativo.
Los resultados
de
esta
dimensión
muestran
que
los
efectos
asociados
con
las
aplicaciones
docentes
y
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 9.1
Edición Especial IX 2026
Página 435
estudiantiles
varían
según
la
mediación
pedagógica,
la
autonomía
del
estudiante,
la
pertinencia de la información y las condiciones
de
acceso
y
acompañamiento.
La
calidad
educativa
y
la
evaluación
constituyeron
la
dimensión
con
menor
presencia
en
el
corpus.
Los
estudios
incluidos
abordaron
principalmente la forma en que la inteligencia
artificial
generativa
modifica
las
condiciones
bajo
las
cuales
se
valoran
el
aprendizaje,
la
autoría,
la
producción
académica
y
el
desempeño estudiantil.
Padilla
y
Martín
(2024)
encontraron
que
el
profesorado reconocía posibilidades de uso de
la
inteligencia
artificial
y,
al
mismo
tiempo,
expresaba preocupaciones relacionadas
con la
evaluación y la integridad académica. Navarro
(2023) advirtió sobre los riesgos asociados con
una utilización acrítica de estas herramientas y
sus
posibles
efectos
sobre
el
aprendizaje.
Ambos estudios sitúan la evaluación dentro de
una
discusión
más
amplia
sobre
los
criterios
utilizados
para
valorar
el
trabajo
académico
cuando intervienen sistemas generativos.
Serrano
et
al.
(2026)
encontraron
que
una
mayor frecuencia de uso de ChatGPT no estuvo
necesariamente acompañada por una reflexión
ética sobre su utilización.
Bravo et
al.
(2026)
observaron
que
una
intervención
formativa
favoreció prácticas de verificación y uso crítico
de la información. En los trabajos de Baldrich y
Domínguez
(2024)
y
Gustems
y
Calderón
(2024), las mejoras formales de los productos
escritos
tampoco
implicaron
necesariamente
mayor
comprensión
conceptual
ni
una
elaboración propia más sólida. Estos resultados
aportan elementos para discutir qué evidencias
se
consideran
suficientes
al
valorar
el
aprendizaje.
Varios
estudios
examinaron
aplicaciones
y
condiciones
institucionales
ligadas a la
evaluación.
Eusebio et
al.
(2026)
compararon, en trabajos
de
fin de máster, las
valoraciones de docentes con las generadas por
ChatGPT.
Gómez
et
al.
(2025)
estudiaron
las
percepciones
del
profesorado
sobre
la
utilización
de
inteligencia
artificial
en
las
prácticas externas.
Galán
et
al.
(2025)
realizaron
un
análisis
bibliométrico
de
la
investigación
sobre
inteligencia artificial y evaluación entre 2014 y
2024.
Galindo
et
al.
(2026)
identificaron
la
procrastinación
como
mediadora
entre
la
motivación y el uso dependiente de ChatGPT.
Bañeres et al. (2026) propusieron un sistema de
recomendación basado en modelos de lenguaje
para apoyar la evaluación de preguntas cortas.
En
una
universidad
peruana,
Riquez
et
al.
(2026)
encontraron
una
relación
entre
la
percepción de la gestión de la IA y la calidad de
la
educación.
Ese
resultado
debe
leerse
considerando las características específicas del
contexto estudiado.
En
esta
dimensión,
la
discusión
sobre
evaluación
comprende
los
productos
académicos
y
los
procesos
seguidos
para
elaborarlos.
La
presencia
de
herramientas
generativas
hace
necesario
considerar
la
comprensión, la argumentación, la trazabilidad
del
trabajo
y la capacidad del
estudiante para
justificar
las
decisiones
tomadas
durante
su
elaboración.
Ética,
integridad
y
formación
concentraron la mayor cantidad de estudios. La
gobernanza
universitaria
y
los
procesos
de
investigación tuvieron una presencia relevante.
Las aplicaciones docentes y estudiantiles y la
calidad educativa y evaluación aparecieron con
menor frecuencia.
Esta distribución sugiere que el corpus reciente
ha
prestado
especial
atención
a
riesgos,
competencias
y
condiciones
de
uso
de
la
inteligencia artificial generativa. La evaluación
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 9.1
Edición Especial IX 2026
Página 436
de
políticas
institucionales,
los
cambios
sostenidos
en
las
prácticas
académicas
y
el
rediseño de los procesos de evaluación fueron
abordados con menor frecuencia. Los estudios
revisados
permitieron
identificar
áreas
que
requieren mayor desarrollo investigativo. Una
parte
importante
del
corpus
examinó
las
percepciones,
experiencias
y
formas
de
utilización
de
la
inteligencia
artificial
generativa
entre
docentes
y
alumnos.
Hernández
et
al.
(2024),
Zambrano
y
Pérez
(2024)
y
Perezchica
et
al.
(2024)
aportaron
evidencia sobre estas experiencias. Los estudios
orientados a analizar cambios sostenidos en las
prácticas educativas y en la gestión institucional
aparecieron con menor frecuencia.
Una de las
brechas identificadas corresponde a los estudios
longitudinales.
Cárdenas
et
al.
(2026)
detectaron una relación entre el uso educativo
de ChatGPT y el aprendizaje autorregulado, y
Ruiz
et
al.
(2025)
señalaron
que
la
infraestructura y la brecha digital continuaban
condicionando
la
incorporación
de
estas
tecnologías
en
la
educación
universitaria
latinoamericana.
Tabla 6.
Relación entre las seis dimensiones de la gestión responsable de la IA generativa.
Dimensión
Descripción
Ética e integridad académica
Aspectos transversales: autoría, privacidad, transparencia, responsabilidad intelectual y
pautas éticas.
Formación docente y competencias
Competencias pedagógicas, digitales y éticas para tomar decisiones críticas y
responsables.
Gestión responsable de la inteligencia artificial
generativa en educación superior
Vincula decisiones académicas e institucionales presentes en las seis dimensiones.
Investigación y publicación científica
Trazabilidad, autoría, contraste de fuentes y declaración transparente del empleo de IA.
Gobernanza, políticas y gestión universitaria
Regulación, políticas, acceso y responsabilidades institucionales.
Aplicaciones docentes y estudiantiles
Aplicación en enseñanza, aprendizaje, planificación, retroalimentación y acompañamiento
académico.
Calidad educativa y evaluación
Comprensión, argumentación, trazabilidad del proceso y criterios usados en la evaluación.
Fuente: Elaboración propia.
El
corpus
ofrece
menos
evidencia
sobre
la
evolución
de
estos
procesos
a
lo
largo
del
tiempo,
particularmente
en
aspectos
como
el
desarrollo
de
competencias,
la
dependencia
tecnológica y las diferencias entre disciplinas e
instituciones.
La
gobernanza
universitaria
constituye
otra
área
que
requiere
mayor
investigación.
La
necesidad
de
políticas
y
criterios
éticos
para
orientar
la
utilización
de
inteligencia
artificial
aparece
en
diversos
estudios
(Breceda
Pérez,
2025;
Cornejo
y
Cippitani, 2023; Navarro, 2023).
Moreira
(2026)
comparó
documentos
normativos
de
universidades
públicas
brasileñas.
A
partir
del
corpus
analizado,
todavía
resulta
limitada
la
evidencia
sobre
la
implementación de estas políticas, la manera en
que son interpretadas por los integrantes de la
comunidad universitaria y sus efectos sobre las
prácticas académicas.
Los procesos formativos
evaluados a mediano y largo plazo tuvieron una
presencia limitada en el corpus. Perezchica et al.
(2024),
Cabero
et
al.
(2025)
y
Bravo
et
al.
(2026) subrayaron la importancia de desarrollar
competencias para usar la inteligencia artificial
con criterios pedagógicos y éticos. A partir de
esta
brecha
quedan
abiertas
comparaciones
entre modelos de formación, estudios sobre su
continuidad
y
evaluaciones
de
efectos
en
planificación,
enseñanza,
evaluación
e
investigación.
Las
preguntas
abiertas
sobre
evaluación del aprendizaje también aparecen en
Baldrich
y
Domínguez
(2024),
Gustems
y
Calderón (2024) y Padilla y Martín (2024). Sus
trabajos
aportan
elementos
para
analizar
las
diferencias
entre
la
calidad
formal
de
los
productos,
la
comprensión
y
la
autoría
del
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 9.1
Edición Especial IX 2026
Página 437
trabajo
académico.
A
partir
de
esta
evidencia
quedan
por
estudiar
estrategias
de
evaluación
que
consideren
el
proceso
de
aprendizaje,
la
argumentación,
las
decisiones
adoptadas
y
la
declaración
del
uso
de
herramientas
generativas.
Tabla 7.
Orientaciones institucionales para la gestión responsable de IA generativa.
Hallazgos de la
revisión
Principios orientadores
Acciones institucionales
Ética e integridad
académica
Ética e integridad académica. Promover prácticas éticas,
responsables y honestas que salvaguarden la integridad
académica.
Políticas y gobernanza. Definir normas institucionales,
orientaciones de uso y formas de seguimiento.
Formación docente y
competencias
Equidad e inclusión. Favorecer un acceso justo y equitativo
a las tecnologías y a sus beneficios.
Formación y desarrollo. Capacitar a docentes y estudiantes
y desarrollar competencias digitales y éticas para un uso
responsable.
Gobernanza y políticas
institucionales
Transparencia y claridad. Hacer explícitos el uso de la
inteligencia artificial, su alcance y sus limitaciones.
Integridad y transparencia. Definir criterios para informar
el uso de IA y garantizar la transparencia en los procesos
académicos.
Investigación y
producción científica
Privacidad y protección de datos. Mantener la reserva de la
información y garantizar su manejo adecuado.
Protección de datos. Cumplir la normativa sobre
protección de datos y utilizar herramientas confiables y
seguras.
Aplicaciones
académicas y prácticas
Calidad y rigor académico. Fortalecer la enseñanza, el
aprendizaje y la investigación bajo estándares de calidad
académica.
Diseño de la evaluación. Valorar procesos y productos
considerando pensamiento crítico, argumentación y
originalidad.
Evaluación y medición
del aprendizaje
Responsabilidad y supervisión. Delimitar funciones y
responsabilidades e incorporar mecanismos de seguimiento
y mejora continua.
Seguimiento y mejora continua. Examinar impactos y
resultados y ajustar políticas y prácticas a la evidencia
disponible y al contexto.
Fuente: Elaboración propia.
Conclusiones
La
revisión
organiza
la
producción
científica
reciente
sobre
gestión
responsable
de
la
inteligencia artificial generativa en la educación
superior
iberoamericana
en
seis
dimensiones:
ética
e
integridad
académica;
formación
profesoral
y
desarrollo
de
competencias;
gobernanza,
políticas
y
gestión
universitaria;
investigación,
escritura
académica
y
publicación científica; aplicaciones docentes y
estudiantiles; y calidad educativa y evaluación.
Ética
e
integridad
académica
y
formación
profesoral y desarrollo de competencias son las
dimensiones con mayor presencia, lo que refleja
el interés de la literatura por las implicaciones
éticas
y
por
las
capacidades
necesarias
para
incorporar estas tecnologías en las actividades
universitarias.
Los
asuntos
éticos
aparecen
en
las
seis
dimensiones. Transparencia, autoría, privacidad
y verificación de la información se repiten en
trabajos
sobre
formación,
investigación,
evaluación, prácticas docentes y estudiantiles y
decisiones
institucionales.
Esa
presencia
transversal
forma
parte
de
la
gestión
responsable
examinada
en
la
revisión.
Los
trabajos
sobre
gobernanza
muestran
que
las
respuestas
institucionales
cambian
según
la
institución,
la
disciplina
y
las
condiciones
de
acceso.
Esa
diversidad
lleva
a
la
literatura
a
plantear
orientaciones
para
el
uso
de
herramientas generativas.
La formación de docentes y estudiantes aparece
asociada
con
competencias
técnicas
y
pedagógicas para valorar información, verificar
fuentes, declarar el uso de inteligencia artificial
y
mantener
la
responsabilidad
sobre
los
productos
académicos.
La
capacidad
de
los
sistemas
generativos
para
producir
textos
y
otros
productos
académicos
plantea
desafíos
para
la
evaluación.
La
evidencia
revisada
respalda
la
importancia
de
considerar
la
comprensión,
la
toma
de
decisiones,
la
fundamentación
y
el
proceso
seguido
por
el
estudiante
durante
la
elaboración
de
sus
trabajos. En investigación y escritura académica
también adquieren relevancia la trazabilidad, la
verificación
de
fuentes
y
la
declaración
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 9.1
Edición Especial IX 2026
Página 438
transparente
del
uso
de
estas
tecnologías.
El
principal aporte de la revisión está en organizar
la producción científica analizada mediante seis
dimensiones
relacionadas
y
en
reconocer
la
ética
como
una
dimensión
transversal
de
su
gestión.
Esta estructura integra hallazgos distribuidos en
distintos ámbitos de la actividad universitaria y
ofrece
una
base
para
examinar
políticas,
procesos
formativos,
prácticas
académicas
y
estrategias
de
evaluación
vinculadas
con
la
inteligencia
artificial
generativa.
Las
brechas
identificadas dejan abiertas oportunidades para
desarrollar
estudios
longitudinales,
evaluar
políticas
institucionales
después
de
su
implementación,
comparar
contextos
universitarios iberoamericanos y profundizar en
desigualdades
asociadas
con
infraestructura,
acceso
y
alfabetización
digital.
También
se
requiere
mayor
evidencia
sobre
los
efectos
sostenidos de los procesos formativos y sobre
las
prácticas
evaluativas
desarrolladas
ante
la
incorporación de herramientas generativas.
Referencias Bibliográficas
Alier, M., Casañ, M., Pereira, J., García, F., &
Llorens,
F.
(2026).
Inteligencia
artificial
generativa y autonomía educativa: metáforas
históricas
y
principios
éticos
para
la
transformación
pedagógica.
RIED-Revista
Iberoamericana
de
Educación
a
Distancia,
29(1),
9–28.
https://doi.org/10.5944/ried.45536
Baldrich, D., & Domínguez, J. (2024). El uso de
ChatGPT
en
la
escritura
académica:
un
estudio
de
caso
en
educación.
Pixel-Bit,
Revista de Medios y Educación, 71, 141–157.
https://doi.org/10.12795/pixelbit.103527
Bañeres,
D.,
Guerrero,
A.,
&
Rodríguez,
M.
(2026).
Recomendador
de
evaluación
para
preguntas
cortas
utilizando
modelos
de
lenguaje
en
propiedad
intelectual.
RIED-
Revista
Iberoamericana
de
Educación
a
Distancia,
29(1),
321–352.
https://doi.org/10.5944/ried.45541
Bravo, F., Villajos, E., & Soriano, A. (2026).
FOURCHAT:
intervención
orientada
a
promover
el
uso
crítico
de
ChatGPT
en
la
universidad. Educación XX1, 29(1), 71–94.
https://doi.org/10.5944/educxx1.42884
Breceda, J. (2025). Hacia la regulación ética del
uso
de
inteligencia
artificial
en
la
investigación
científica,
lineamientos
desde
la Universidad Autónoma de Ciudad Juárez.
Revista
de
Bioética
y
Derecho,
64,
81–97.
https://doi.org/10.1344/rbd2025.64.48719
Cabero, J., Pedraza, C., Fredy, J., & Palacios, A.
(2025).
Conocimiento
de
la
inteligencia
artificial generativa del profesorado. Modelo
predictivo
basado
en
el
TPACK
para
la
integración ética de la inteligencia artificial
generativa en la educación superior. Revista
Electrónica
Interuniversitaria
de
Formación
del
Profesorado,
29(1),
15–31.
https://doi.org/10.6018/reifop.690971
Cardenas, J., Choque, J., Vega, L., & Nina, B.
(2026).
Uso
académico
de
ChatGPT
y
aprendizaje
autónomo
en
estudiantes
universitarios
de
Lima,
Perú.
Formación
Universitaria,
19(2),
117–126.
https://doi.org/10.4067/S0718-
50062026000200117
Cornejo,
I.,
&
Cippitani,
R.
(2023).
Consideraciones éticas y jurídicas de la IA en
educación superior: desafíos y perspectivas.
Revista
de
Educación
y
Derecho,
28.
https://doi.org/10.1344/REYD2023.28.4393
5
Amo, J., Baldrich, K., & Azevedo, F. (2026). La
alfabetización
académica
en
la
formación
inicial
del
profesorado:
el
impacto
de
ChatGPT-4o
en
los
procesos
de
escritura
disciplinar en contextos
hispánicos.
Ogigia.
Revista Electrónica de Estudios Hispánicos,
39,
215–240.
https://doi.org/10.24197/e0gcx489
Garza,
L.
(2024).
Inteligencia
artificial
y
educación
superior.
Posibilidades,
riesgos
aceptables
y
límites
que
no
se
deben
traspasar. Revista de Educación y Derecho,
2(extraordinario),
115–145.
https://doi.org/10.1344/REYD2024.2-
Extraordinario.49175
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 9.1
Edición Especial IX 2026
Página 439
Díez, E., & Jarquín, M. (2025). La educación
superior
en
entornos
virtuales:
riesgos
educativos del uso de tecnología privada de
IA al servicio del capitalismo digital. Edutec.
Revista Electrónica de Tecnología Educativa,
91,
55–69.
https://doi.org/10.21556/edutec.2025.91.366
5
Divino,
S.
(2024).
Inteligência
artificial
generativa no ensino superior: diretrizes para
superação
dos
dilemas
didáticos,
éticos
e
legais.
Revista
Pedagogía
Universitaria
y
Didáctica
del
Derecho,
11(1),
6–30.
https://doi.org/10.5354/0719-
5885.2024.74070
Espejo, P. (2024). La inteligencia artificial en
educación:
percepciones
y
saberes
de
los
docentes.
European
Public
and
Social
Innovation
Review,
9,
1–19.
https://doi.org/10.31637/epsir-2024-898
Eusebio, S., Cuberos, R., & Doquin, A. (2026).
Evaluación
académica
con
inteligencia
artificial:
comparación
entre
docentes
y
ChatGPT
en
trabajos
de
fin
de
máster.
Revista
de
Investigación
en
Educación,
24(2),
309–326.
https://doi.org/10.35869/reined.v24i2.6942
Fontanillas, T., Carbonell, M., Catasús, M., &
Quemada,
P.
(2025).
Desafíos
de
la
inteligencia artificial generativa en educación
superior:
fomentando
su
uso
crítico
en
el
estudiantado.
RIED-Revista
Iberoamericana
de
Educación
a
Distancia,
28(2),
209–231.
https://doi.org/10.5944/ried.28.2.43535
Galán, A., Ruiz, J., & Jiménez, E. (2025). La
inteligencia
artificial
en
los
procesos
de
evaluación en educación superior: un análisis
bibliométrico (2014–2024). Bordón. Revista
de
Pedagogía,
77(3),
131–154.
https://doi.org/10.13042/Bordon.2025.10779
7
Galindo, H., Sainz, M., Campo, L., & Losada,
D. (2026). Influencia de la motivación hacia
el
aprendizaje
y
la
procrastinación
en
la
dependencia
a
ChatGPT.
RIED-Revista
Iberoamericana
de
Educación
a
Distancia,
29(1),
217–240.
https://doi.org/10.5944/ried.45497
Gallego, P. (2025). El derecho constitucional a
la educación y la IA generativa: propuestas
para
mitigar
la
exclusión
digital
educativa.
Estudios
de
Deusto,
73(1),
183–212.
https://doi.org/10.18543/ed.3329
Gómez, H., Huerta, P., Cebrián, V., & Pérez, A.
(2025). Percepciones docentes sobre el uso de
la
inteligencia
artificial
general
en
las
prácticas
externas
en
educación
superior.
Seminars in Medical Writing and Education,
4.
https://doi.org/10.56294/mw2025722
Guerra,
C.,
&
Tass,
B.
(2024).
Aplicaciones
prácticas
de
la
inteligencia
artificial
generativa en la labor docente: el caso de la
ingeniería
en
diseño
multimedia.
European
Public and Social Innovation Review, 9, 1–
20.
https://doi.org/10.31637/epsir-2024-816
Gustems, J., & Calderón, C. (2024). Sobrevivir
al
Chat
GPT.
Reflexiones
y
propuestas
en
torno al TFG del grado de maestros. Revista
de
Educación
y
Derecho,
2(extraordinario),
182–206.
https://doi.org/10.1344/REYD2024.2-
Extraordinario.49186
Hernández, M., Ramos, J., Chávez, F., & Trejo,
M.
(2024).
Ventajas
y
riesgos
de
la
inteligencia
artificial
generativa
desde
la
percepción
de
los
estudiantes
de
educación
superior
en
México.
European
Public
and
Social
Innovation
Review,
9.
https://doi.org/10.31637/epsir-2024-495
Jurado, E., Vargas, K., Melgarejo, W., Aniceto,
Ú.,
&
Villacorta,
T.
(2025).
Inteligencia
artificial
generativa
en
el
proceso
de
enseñanza
del
docente
universitario.
European
Public
&
Social
Innovation
Review,
10,
1–15.
https://doi.org/10.31637/epsir-2025-1612
Kaechele, M., & Palma, C. (2025). Evolución
del
perfil
tecnológico
de
estudiantes
universitarios
de
primer
año
(2017–2024):
desafíos
para
la
docencia
en
la
era
posmilenial.
Digital
Education
Review,
47,
286–299.
https://doi.org/10.1344/der.2025.47.286-299
López, J., Sagredo, M., &
Urrutia, P. (2026).
Inteligencia
artificial
generativa
y
aprendizaje
colaborativo:
efectos
en
estudiantes
de
ingeniería.
Formación
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 9.1
Edición Especial IX 2026
Página 440
Universitaria,
19(2),
193–202.
https://doi.org/10.4067/S0718-
50062026000200193
Lopezosa, C., Codina, L., Pont, C., & Vállez,
M.
(2023).
Uso
de
la
inteligencia
artificial
generativa en la formación de los periodistas:
desafíos,
usos
y
propuesta
formativa.
Profesional
de
la
Información,
32(4).
https://doi.org/10.3145/epi.2023.jul.08
López, N., Reyes, G., Wong, L., & Llanco, D.
(2025).
Implementación
de
asistentes
virtuales
basados
en
inteligencia
artificial
generativa
creados
en
el
Laboratorio
EDU-
INNOVA para mejorar la enseñanza de los
docentes.
Desde
el
Sur,
17(2).
https://doi.org/10.21142/DES-1702-2025-
0020
Mayor, E., Vidal, J., & Rodríguez, A. (2026).
Evaluación de la calidad de modelos de IA
generativa como aplicaciones de orientación
universitaria.
Revista
de
Educación,
411,
229–254.
https://doi.org/10.4438/1988-
592X-RE-2025-411-729
Medina, P., Becerra, G., Soloaga, P., Adam, M.,
Barrenechea,
E.,
&
Losada,
A.
(2025).
Sentidos
sobre
el
uso
de
ChatGPT
en
la
investigación
y
la
redacción
académica
en
posgrado: una exploración comparada entre
Argentina,
Brasil,
Chile,
Perú
y
España.
Sociologia
&
Antropologia,
15(2).
https://doi.org/10.1590/2238-
38752025v15210
Mendoza, K., Arteaga, M., & García, C. (2024).
Percepciones
y
expectativas
de
estudiantes
universitarios sobre la IAG. European Public
and
Social
Innovation
Review,
9.
https://doi.org/10.31637/epsir-2024-357
Mogollón,
M.
(2025).
Inteligencia
artificial
generativa
en la educación superior virtual:
desafíos
y
percepciones
docentes.
Revista
Colombiana
de
Educación,
97.
https://doi.org/10.17227/rce.num97-22440
Moreira, J. (2026). Entre orientar e prescrever:
a
institucionalização
da
IA
generativa
em
universidades
públicas
brasileiras.
Praxis
Educativa,
21.
https://doi.org/10.5212/PraxEduc.v.21.2617
7.014
Mula, J., Segarra, J., & Cambronero, B. (2025).
Uso de la inteligencia artificial por alumnado
universitario
de
Comunicación:
conocimiento,
ventajas,
desventajas
y
prospectiva
profesional.
Historia
y
Comunicación
Social,
30(2),
417–428.
https://doi.org/10.5209/hics.105880
Navarro, R. (2023). Descripción de los riesgos
y
desafíos
para
la
integridad
académica
de
aplicaciones
generativas
de
inteligencia
artificial.
Derecho
PUCP,
91,
231–270.
https://doi.org/10.18800/derechopucp.20230
2.007
Núñez, M., Fernández, A., Díaz, L., & Aguado,
O.
(2024).
Aprendizaje
generativo
integral:
un modelo para la educación superior ante los
desafíos de la inteligencia artificial. European
Public
and
Social
Innovation
Review,
9.
https://doi.org/10.31637/epsir-2024-1685
Ortega, P., & Pericacho, F. (2025). La utilidad
didáctica percibida del ChatGPT por parte del
alumnado universitario. Pixel-Bit, Revista de
Medios
y
Educación,
72,
159–178.
https://doi.org/10.12795/pixelbit.109778
Ortiz, S., Rejón, F., & Blahopoulou, J. (2025).
Inteligencia
artificial
en
la
universidad:
un
taller
para
promover
el
uso
responsable
de
ChatGPT
entre
el
alumnado.
Praxis
Educativa,
20.
https://doi.org/10.5212/PraxEduc.v.20.2511
9.045
Padilla,
J.,
&
Martín,
M.
(2024).
Impacto
y
perspectivas
de
la
inteligencia
artificial
generativa
en
la
educación
superior:
un
estudio
sobre
la
percepción
y
adopción
docente
usando
el
modelo
AETGE/GATE.
European
Public
and
Social
Innovation
Review,
9,
1–21.
https://doi.org/10.31637/epsir-2024-595
Peña, J. (2025). Derechos de autor y licencias
de
la
inteligencia
artificial
generativa:
un
análisis desde la ciencia abierta en América
Latina.
Revista
Interamericana
de
Bibliotecología,
48(3).
https://doi.org/10.17533/udea.rib.v48n3e358
961
Peña,
O.,
Sánchez,
E.,
Barros,
J.,
Silva,
H.,
Espinoza, R., & Correa, T. (2025). Patrones
lingüísticos
y
visuales
de
ChatGPT
en
la
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 9.1
Edición Especial IX 2026
Página 441
educación superior: un análisis de su uso en
tesis
de
pregrado
y
posgrado.
VISUAL
Review.
International
Visual
Culture
Review,
17(3),
265–278.
https://doi.org/10.62161/revvisual.v17.5403
Perezchica,
J.,
Sepúlveda,
J.,
&
Román,
A.
(2024). Inteligencia artificial generativa en la
educación superior: usos y opiniones de los
profesores.
European
Public
and
Social
Innovation
Review,
9.
https://doi.org/10.31637/epsir-2024-593
Puntí, M., Nogueira, M., Espinosa, S., Martín,
R.,
Torres,
S.,
&
Serra,
J.
(2026).
La
enseñanza superior en Publicidad en tiempos
de la IA generativa: un cambio de paradigma.
Revista Latina de Comunicación Social, 84.
https://doi.org/10.4185/rlcs-2026-2508
Ribeiras, C., Dorotea, N., & Esteves, Y. (2025).
Uso y percepción de los LLM por parte de
estudiantes
y
profesores
de
educación
superior: revisión sistemática de la literatura.
Revista Lusófona de Educação, 65(65), 85–
108.
https://doi.org/10.24140/issn.1645-
7250.rle65.04
Riquez, D., Mantari, L., Villa, L., & Velarde, L.
(2026).
Inteligencia
artificial
generativa
y
calidad
percibida
del
servicio
educativo
en
instituciones de educación superior. Revista
Venezolana
de
Gerencia,
31(15).
https://doi.org/10.52080/rvgluz.31.e15.4
Ruiz, M., Fernández, I., Paucar, B., & Sallandt,
U.
(2025).
Charla
futurista
con
inteligencia
artificial:
explorando
su
impacto
en
la
educación
superior
de
América
Latina.
Revista
de
Ciencias
Sociales,
31(2),
400–
420.
https://doi.org/10.31876/rcs.v31i2.43775
Serrano, J., Vidal, C., Gómez, R., & Cortés, C.
(2026).
ChatGPT
en
la
educación
en
negocios:
percepciones
funcionales
y
desvinculación
ética
en
estudiantes
universitarios.
Formación
Universitaria,
19(2),
105–116.
https://doi.org/10.4067/S0718-
50062026000200105
Torres, A. (2024). Necesidades de información
y
percepción
sobre
las
herramientas
de
inteligencia
artificial
en
estudiantes
de
doctorado
en
investigación
educativa
en
Tlaxcala,
México.
Investigación
Bibliotecológica,
38(98),
79–98.
https://doi.org/10.22201/iibi.24488321xe.20
24.98.58852
Torres,
D.,
&
Arroyo,
W.
(2025).
Enseñar
e
investigar
con
inteligencia
artificial:
una
llamada
a
la
reflexión.
BiD,
54.
https://doi.org/10.1344/BID2025.54.01
Trevisol,
O.,
&
Varvakis,
G.
(2026).
Inteligência
artificial
nas
operações
e
serviços
de
bibliotecas
universitárias
no
Brasil:
evidências
de
um
levantamento
censitário.
Revista
Digital
de
Biblioteconomia
e
Ciência
da
Informação,
24.
https://doi.org/10.20396/rdbci.v24i00.86826
46
Tricco, A., Lillie, E., Zarin, W., O’Brien, K.,
Colquhoun, H., Levac, D., Moher, D., Peters,
M., Horsley, T., Weeks, L., Hempel, S., Akl,
E.,
Chang,
C.,
McGowan,
J.,
Stewart,
L.,
Hartling,
L.,
Aldcroft,
A.,
Wilson,
M.,
Garritty,
C.,
&
Straus,
S.
(2018).
PRISMA
extension
for
scoping
reviews
(PRISMA-
ScR): Checklist and explanation.
Annals of
Internal
Medicine,
169(7),
467–473.
https://doi.org/10.7326/M18-0850
Zambrano, A., & Pérez, D. (2024). Beneficios y
limitaciones
para
docentes
y
estudiantes
universitarios
salvadoreños
sobre
el
uso
de
IA
en
procesos
de
enseñanza-aprendizaje.
European
Public
and
Social
Innovation
Review,
9.
https://doi.org/10.31637/epsir-
2024-368
Esta
obra
está
bajo
una
licencia
de
Creative
Commons
Reconocimiento-No
Comercial
4.0
Internacional.
Copyright
©
José
Edison
Beltrán
Vera,
Juan
Felipe
Ortega
Bernal,
Diego
Fernando
Osorio González y Yilena Montero Reyes.
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 9.1
Edición Especial IX 2026
Página 442
Declaraciones éticas y editoriales del artículo
Contribución de los autores (Taxonomía CRediT)
José Edison Beltrán Vera: 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.
Juan Felipe Ortega Bernal: 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.
Diego Fernando Osorio González: 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.
Yilena Montero Reyes: 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.
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 9.1
Edición Especial IX 2026
Página 443
