INTELIGENCIA ARTIFICIAL COMO RECURSO EDUCATIVO: UNA REVISIÓN DE SU
INFLUENCIA EN EL RENDIMIENTO ACADÉMICO ESTUDIANTIL
ARTIFICIAL INTELLIGENCE AS AN EDUCATIONAL RESOURCE: A REVIEW OF ITS
IMPACT ON STUDENT ACADEMIC PERFORMANCE
Autores:
¹Tania Del Roció Marmolejo Gutiérrez, ²Alexandra Betzabeth Ayala Cáceres, ³Viviana
Priscila Neira Quinteros y
4
Jefferson Geovany Castañeda Fuentes.
¹ORCID ID:
https://orcid.org/0009-0009-3463-5809
²ORCID ID:
https://orcid.org/0009-0001-6602-6428
3
ORCID ID:
https://orcid.org/0000-0002-8679-9006
4
ORCID ID:
https://orcid.org/0000-0003-2597-6686
¹E-mail de contacto:
tmarmolejog@uteq.edu.ec
²E-mail de contacto:
alexandra.ayala@docentes.educación.edu.ec
³E-mail de contacto:
prisineira@hotmail.com
4
E-mail de contacto:
jeff64@hotmail.es
Afiliación:
¹*Universidad
Técnica
Estatal
de
Quevedo,
(Ecuador).
²*Ministerio
de
Educación,
(Ecuador).
3*4*
Autor
independiente,
(Ecuador).
Artículo recibido: 5 de Septiembre del 2026.
Artículo revisado: 7 de Septiembre del 2026.
Artículo aprobado: 7 de Septiembre del 2026.
¹Licenciada en Ciencias de la Educación, mención Educación Básica, graduada de la Universidad Técnica de Babahoyo, (Ecuador).
Magíster en Educación, mención en Innovación y Liderazgo Educativo, graduada de la Universidad Tecnológica Indoamérica, (Ecuador).
2
Licenciada en Ciencias de la Educación, mención Comercio y Administración, y Profesora de Segunda Enseñanza en la especialización
de
Comercio
y
Administración de
la
Universidad
Técnica de
Babahoyo,
(Ecuador).
Magíster
en
Educación
Básica,
graduada
de
la
Universidad Estatal de Milagro, (Ecuador).
³Licenciada en Ciencias de la Educación, mención Educación Inicial y Parvularia,
graduada de la Universidad Católica de Cuenca,
(Ecuador).
Magíster
en
Educación
Inclusiva,
graduada de
la
Universidad
Nacional de
Educación,
(UNAE),
(Ecuador).
Magíster
en
Educación Inicial, con mención en Innovación en el Desarrollo Infantil, graduada de la Universidad Estatal de Milagro, (Ecuador).
4
Licenciado en Enfermería, graduado de la Universidad Bolivariana del Ecuador, (Ecuador). Ingeniero en Gestión Empresarial, graduado
de la Universidad Técnica Estatal de Quevedo, (Ecuador). Magíster en Gerencia Hospitalaria y Administración de Hospitales, graduado
de la Universidad de los Hemisferios, (Ecuador). Doctor en Educación, graduado de la Universidad César Vallejo, (Perú).
Resumen
La inteligencia artificial (IA) se ha incorporado
progresivamente en la educación como recurso
para
apoyar
la
búsqueda
de
información,
la
elaboración de actividades y la personalización
del
aprendizaje.
Sin
embargo,
su
integración
también
plantea
desafíos
relacionados
con
la
dependencia
tecnológica,
la
verificación
de
información, la autonomía, la privacidad y la
ética
académica.
El
objetivo
de
esta
investigación
fue
analizar
la
inteligencia
artificial
como
recurso
educativo
y
su
influencia en el rendimiento académico de los
estudiantes.
Se
desarrolló
una
investigación
cualitativa de revisión documental, mediante la
aplicación
del
protocolo
PRISMA
2020.
La
búsqueda
se
efectuó
en
las
bases
de
datos
Scopus y SciELO, considerando publicaciones
entre
2021
y
2026,
en
español
e
inglés,
relacionadas
con
inteligencia
artificial,
estudiantes
y
rendimiento
académico.
De
un
total de 424 registros identificados, después de
las
etapas
de
identificación,
cribado
y
elegibilidad,
se
seleccionaron
10
artículos
científicos para el análisis final. Los resultados
evidenciaron
que
la
IA
puede
favorecer
el
aprendizaje, la resolución de actividades y la
personalización de contenidos; no obstante, su
utilización
por
sí
sola
no
garantiza
mejores
resultados académicos. Su impacto depende de
las competencias digitales, la alfabetización en
IA,
el
pensamiento
crítico
y
la
capacidad
de
evaluar y contrastar la información generada.
Asimismo, se identificaron riesgos vinculados
con
dependencia,
desinformación,
ansiedad
tecnológica, privacidad y sesgos. Se concluye
que
la
IA
constituye
un
recurso
educativo
potencialmente favorable para
el
rendimiento
académico cuando se utiliza de manera crítica,
ética y responsable, acompañada de formación
y
orientación
docente
en
diversos
contextos
universitarios contemporáneos actuales.
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 9.1
Edición Especial IX 2026
Página 806
Palabras
clave:
Inteligencia
artificial,
Rendimiento
académico,
Competencias
digitales, Pensamiento crítico.
Abstract
Artificial
intelligence
(AI)
has
been
progressively incorporated into education as a
resource
to
support
information
searching,
academic
activities,
and
learning
personalization. However, its integration also
raises
challenges
related
to
technological
dependence,
information
verification,
autonomy, privacy, and academic ethics. The
objective
of
this
research
was
to
analyze
artificial
intelligence
as
an
educational
resource
and
its
influence
on
students’
academic
performance.
A
qualitative
documentary
review
was
conducted
through
the application of the PRISMA 2020 protocol.
The search was carried out in the Scopus and
SciELO
databases,
considering
publications
from
2021
to
2026,
in
Spanish
and
English,
related to
artificial intelligence, students,
and
academic
performance.
From
a
total
of
424
identified
records,
after
the
identification,
screening,
and eligibility
stages, 10 scientific
articles were selected for the final analysis. The
results
showed
that
AI
can
support
learning,
activity
completion,
and
content
personalization;
nevertheless,
its
use
alone
does not guarantee better academic outcomes.
Its impact depends on digital competencies, AI
literacy,
critical
thinking,
and
the
ability
to
evaluate
and
contrast
generated
information.
Risks
associated
with
dependence,
misinformation,
technological
anxiety,
privacy,
and
bias
were
also
identified.
It
is
concluded
that
AI
constitutes
a
potentially
beneficial
educational
resource
for
academic
performance
when
used
critically,
ethically,
and responsibly, accompanied by training and
teacher
guidance
in
diverse
contemporary
university contexts. These findings suggest that
higher
education
should
promote
responsible
AI
use
as
a
complementary
resource,
strengthening
students’
capacity
to
analyze,
reflect, solve problems,
construct knowledge,
and
maintain
active
participation
throughout
learning
processes
and
academic
decision
making with autonomy.
Keywords: Artificial intelligence, Academic
performance, Digital competencies, Critical
thinking.
Sumário
A
inteligência
artificial
(IA)
tem
sido
progressivamente incorporada ao ensino como
recurso para apoiar a busca de informações, a
realização
de
atividades
acadêmicas
e
a
personalização
da
aprendizagem.
Entretanto,
sua
integração
também
apresenta
desafios
relacionados
à
dependência
tecnológica,
à
verificação
das
informações,
à
autonomia,
à
privacidade
e
à
ética
acadêmica.
O
objetivo
desta
pesquisa
foi
analisar
a
inteligência
artificial
como
recurso
educacional
e
sua
influência
no
desempenho
acadêmico
dos
estudantes.
Foi
realizada
uma
pesquisa
qualitativa de revisão documental, mediante a
aplicação do protocolo PRISMA 2020. A busca
foi
realizada
nas
bases
de
dados
Scopus
e
SciELO, considerando publicações entre 2021
e 2026, em espanhol e inglês, relacionadas à
inteligência artificial, estudantes e desempenho
acadêmico.
De
um
total
de
424
registros
identificados, após as etapas de identificação,
triagem e elegibilidade, foram selecionados 10
artigos
científicos
para
a
análise
final.
Os
resultados
evidenciaram
que
a
IA
pode
favorecer
a
aprendizagem,
a
resolução
de
atividades
e
a
personalização
de
conteúdos;
contudo, seu uso isolado não garante melhores
resultados
acadêmicos.
Seu
impacto
depende
das competências digitais, da alfabetização em
IA, do pensamento crítico e da capacidade de
avaliar
e
contrastar
as
informações
geradas.
Também
foram
identificados
riscos
relacionados
à
dependência,
desinformação,
ansiedade
tecnológica,
privacidade
e
vieses.
Conclui-se
que
a
IA
constitui
um
recurso
educacional
potencialmente
favorável
ao
desempenho
acadêmico
quando
utilizada
de
forma
crítica,
ética
e
responsável,
acompanhada
de
formação
e
orientação
docente.
Nesse
sentido,
a
educação
superior
deve fortalecer competências críticas e éticas
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 9.1
Edición Especial IX 2026
Página 807
para integrar a IA sem substituir a participação
estudantil.
Palavras-chave:
Inteligência
artificial,
Desempenho
acadêmico,
Competências
digitais, Pensamento crítico.
Introducción
En
la
actualidad,
la
Inteligencia
Artificial
ha
presentado
varios
desafíos
en
los
educandos,
desde
la
búsqueda
de
la
información
hasta
el
desarrollo
de
actividades
académicas.
En
este
sentido,
medios
conversacionales
como
Chatgpt, Gemeni AI, Consensus, Claude entre
otros.
Aportan
al
desarrollo
de
trabajos
académicos minorando el tiempo para generar
ideas
y
facilita
el
aprendizaje.
Además,
el
estudiante que utiliza estas herramientas logra
reforzar
el
contenido
con
mayor
eficacia.
Sin
embargo,
se
deben
considerar
aspectos
éticos
dentro del uso de la inteligencia artificial y no
ser
sustituido
el
desarrollo
del
pensamiento
crítico
y
reflexivo
dado
por
el
ser
humano.
Según Miao y Holmes (2024) indica que estas
herramientas
deben
implementarse
desde
la
conciencia
humana,
el
cual
permite
la
protección
de
la
autonomía
y
la
participación
dentro de la redacción de educando.
Estudios
en
el
Ecuador
sobre
la
inteligencia
artificial
indican que el
uso de la inteligencia
artificial
se
da
desde
el
nivel
básico
hasta
la
educación
superior
en
los
estudiantes.
Sin
embargo, el acceso permite que se convierta en
una
herramienta
contemporánea
dentro
de
la
investigación.
Además,
se
evidencia
que
aún
existe una brecha digital sobre el conocimiento
de esta (Intriago, 2024). De este modo, surge la
pregunta
de
investigación
¿De
qué
manera
la
inteligencia
artificial
como
recurso
educativo
influye
en
el
rendimiento
académico
estudiantil? El estudio es importante debido a
los
desafíos de la época contemporánea y las
actualizaciones
dentro
del
sistema
educativo.
Sin embargo, es necesario hacer un paréntesis
mencionando que su uso no debe ser prohibido,
sino debe ser una herramienta que aporte a la
generación
del
tiempo
y
de
las
herramientas.
Analizar
este tema permite comprender como
los
estudiantes
mejoran
sus
calificaciones,
debido
a
la
organización
en
el
desarrollo
de
contenido investigativo.
En
este
sentido,
la
inteligencia
artificial
en
pandemia COVID-19 tuvo una creciente donde
los
estudiantes
tuvieron
la
necesidad
de
la
formación
en
el
uso
de
herramientas
tecnológicas. Es importante destacar el impacto
a nivel internacional de la inteligencia artificial.
Según Jara et al. (2025) menciona a Zawacki et
al.
(2019)
se
define
como
el
conjunto
de
algoritmos
y
sistemas
capaces
de
simular
procesos
cognitivos
humanos,
vinculados
algunos
procesos
como
la
resolución
de
problemas
y
la
toma
de
decisiones;
lo
que
desencadena diversos aspectos éticos.
Desde la educación se centra en un proceso de
innovación
y
transformación
del
proceso
de
enseñanza
aprendizaje,
en
bienestar
del
rendimiento
académico
y
el
desarrollo
de
habilidades
y
destrezas
por
los
educandos.
Según
Jimbo
et
al.
(2023)
indica
que
los
algoritmos
ayudan
a
crear
contenido
desde
la
investigación científica, teniendo en cuenta la
verificación
de
la
fuente
de
información.
Además,
se
fundamenta
desde
la
teoría
del
cognitivismo que se fundamenta en los procesos
de
la
memoria,
la
atención,
el
razonamiento.
Jiménez
y
Ovalle
(2008)
mencionan
que
la
implementación de la inteligencia artificial en
los procesos de enseñanza aprendizaje permiten
desarrollar
en
los
estudiantes
habilidades
tecnológicas de forma flexible, ajustándose a las
características
y
conocimientos
de
los
educandos.
Por
lo
tanto,
su
influencia
en
el
rendimiento académico radica en la posibilidad
que tiene la IA de ofrecer apoyos diferenciados
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 9.1
Edición Especial IX 2026
Página 808
que
faciliten
el
proceso
de
los
contenidos.
Sánchez
et
al
(2024)
desde
un
enfoque
constructivista indica que se encuentra vincula
la
IA,
de
manera
que
se
emplea
como
una
herramienta
colaborativa
para
facilitar
el
aprendizaje. De este modo, la utilización de la
IA apoya a profundizar desde los conocimientos
previos,
hasta
llevar
a
un
aprendizaje
significativo. Maffei y Neil (2024) señalan que
el
rendimiento
académico
a
través
de
la
inteligencia
artificial
puede
volverse
significativa
si
su
uso
facilita
la
comprensión
sin
limitarse
a
contenido
teórico,
sino
ser
llevado a un proceso de experimentación dentro
de
los
educandos.
En
esta
perspectiva,
se
formula
el
objetivo
del
estudio
de
analizar
la
inteligencia artificial como recurso educativo y
su
influencia
en
el
rendimiento
académico
estudiantil.
Materiales y Métodos
La investigación tuvo un enfoque cualitativo, ya
que
se
centró
en
interpretar
la
evidencia
empírica
desde
la
revisión
literaria
de
la
inteligencia
artificial
y
el
rendimiento
académico.
Como
mencionan
Hernández
y
Mendoza (2018), el enfoque cualitativo buscó la
comprensión
de
los
fenómenos
a
través
del
análisis de sus significados y perspectivas. De
este modo, se analizaron aspectos como el uso
de la IA, la revisión de información.
Además, se empleó el tipo de investigación de
revisión documental, como explican Hernández
y
Mendoza
(2018),
permitió
estudiar
documentos publicados, mediante un riguroso
proceso
selección
de
la
información.
En
este
caso,
el
diseño
se
empleó
para
identificar,
seleccionar
y
incluir
los
estudios
científicos
relacionados con las categorías de estudio como
inteligencia
artificial
y
el
rendimiento
académico en los estudiantes. Se usó la técnica
del PRISMA 2020 para estructurar el proceso
de revisión, dado que favorece la rigurosidad de
los artículos seleccionados (Page et al., 2021).
La unidad de análisis fue conformada por los
artículos
científicos
seleccionados
para
la
revisión,
en
los
cuales
se
consideraron
los
temas, objetivos y resultados relacionados a la
temática. El proceso de búsqueda de los datos
fie
definido
mediante
las
bases
de
datos
seleccionadas
que
fueron
Scopus
y
SciELO,
consideradas como fuentes de datos confiables.
La
búsqueda
se
restringió
a
los
artículos
contenidos
publicados
entre
2021
y
2026,
publicados
en
idioma
español
o
inglés
y
relacionados con el contexto de la educación.
Además,
se
usó
formulas
booleanas
para
la
búsqueda con términos de inteligencia artificial
y
rendimiento
académico,
A
continuación,
se
detalla en la tabla uno.
Tabla 1.
Ecuación de búsqueda.
Idioma
Operadores booleanos
Base de
datos
Cantidad
de
artículos
Inglés
TITLE-ABS-KEY (("responsible
artificial intelligence" OR
"Academic performance" OR
"ethical AI" OR "artificial
intelligence integration" AND
(student* OR undergraduate* OR
learner*))
Scopus
374
Español
("inteligencia artificial" OR
"inteligencia artificial generativa"
OR "rendimiento acdemico" AND
(estudiante OR estudiantes OR
universitario OR universitarios)
SciELO
50
Total
—
—
424
Fuente: Elaboración propia.
Tabla 2.
Criterios de inclusión y exclusión de
los artículos científicos.
Ámbito
Inclusión
Exclusión
Participantes
Estudiantes como población
principal.
Estudios exclusivamente
con docentes,
profesionales o población
general.
Contexto
Instituciones y procesos
educativos.
Ámbitos empresariales,
clínicos, industriales o
administrativos.
Año
Publicaciones entre 2021 y
2026.
Publicaciones anteriores a
2021 o sin fecha.
Idioma
Español o inglés.
Otros idiomas sin versión
accesible en español o
inglés.
Acceso
Artículos revisados por
pares y texto completo.
Documentos incompletos
o solo resúmenes.
Fuente: Elaboración propia.
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 9.1
Edición Especial IX 2026
Página 809
Figura 1.
Diagrama de Flujo PRISMA.
Fuente: Elaboración propia.
El
proceso
de
selección
de
los
estudios
se
realizó mediante el método PRISMA. En la fase
de identificación se localizaron un total de 424
artículos
científicos, de
los
cuales 374
fueron
obtenidos de la base de datos Scopus y 50 de
SciELO.
Posteriormente,
se
eliminaron
los
registros
duplicados,
obteniéndose
406
artículos para la fase de cribado. En la etapa de
cribado
se
realizó
la
revisión
de
títulos
y
resúmenes,
excluyendo
aquellos
estudios
que
no
presentaban
relación
con
la
inteligencia
artificial,
el
rendimiento
académico
o
el
contexto
educativo.
Como
resultado,
156
artículos
fueron
considerados
para
la
revisión
del
texto
completo.
Durante
la
fase
de
elegibilidad
se
aplicaron
los
criterios
de
inclusión y exclusión establecidos previamente.
Se
excluyeron
estudios
que
no
tenían
a
los
estudiantes
como
población
principal,
investigaciones desarrolladas fuera del contexto
educativo,
publicaciones
anteriores
a
2021,
estudios
en
idiomas
diferentes
al
español
o
inglés, documentos sin acceso al texto completo
y
trabajos
que
no
correspondían
a
investigaciones
empíricas.
Después
de
este
proceso,
se
identificaron
35
artículos
potencialmente
elegibles.
Mediante
una
revisión detallada de la pertinencia temática y
metodológica, se excluyeron 25 estudios que no
cumplían
completamente
con
los
criterios
establecidos.
Por
tanto,
se
seleccionaron
10
artículos científicos que cumplieron con todos
los criterios de inclusión y fueron considerados
para el análisis final de la investigación.
Resultados y Discusión
La
revisión
de
los
10
estudios
seleccionados
evidencia
un
creciente
interés
por
analizar
el
uso
de
la
inteligencia
artificial
en
estudiantes
universitarios,
especialmente
en
relación
con
las
competencias
digitales,
el
pensamiento
crítico, el uso ético y el rendimiento académico.
Predominan los estudios cuantitativos, aunque
también
se
identificaron
investigaciones
cualitativas
que
permiten
comprender
las
percepciones, experiencias y comportamientos
de los estudiantes frente a herramientas como
ChatGPT.
Los
resultados
muestran
que
la
inteligencia
artificial
puede
favorecer
el
aprendizaje y la personalización educativa; sin
embargo,
sus
beneficios
dependen
de
las
competencias que poseen los
estudiantes para
utilizarla
de
manera
crítica,
autónoma
y
responsable.
Asimismo,
varios
estudios
advierten
sobre
riesgos
asociados
con
la
dependencia,
la
falta
de
verificación
de
información,
la
ansiedad
tecnológica,
la
privacidad
y
el
uso
inadecuado
de
estas
herramientas.
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 9.1
Edición Especial IX 2026
Página 810
Tabla 3.
Matriz de análisis documental de los estudios incluidos.
N.º
Autor(es)
Año
Objetivo
Metodología / muestra
Principales resultados
1
Anggraini et al.
2026
Explorar la interpretación del uso de
ChatGPT desde la ética, dependencia,
emociones y evaluación de información.
Cualitativo; análisis de
contenido; 133
autorreflexiones; NVivo.
Se identificaron tres temas: dependencia negociada,
ambivalencia ética y confianza condicional.
2
Arámbulo et al.
2025
Determinar la relación entre las
competencias digitales y la alfabetización
en IA en estudiantes universitarios.
Cuantitativo;
correlacional; 59
estudiantes; DigComp y
AILS.
Las cinco áreas de competencia digital presentaron
relaciones significativas con la alfabetización en IA;
la relación global fue positiva y fuerte.
3
Caner
2025
Examinar la influencia de las
competencias digitales y factores
motivacionales en la aceptación y uso de
ChatGPT.
Cuantitativo; 544
universitarios; análisis
factorial confirmatorio y
ecuaciones estructurales.
La intención, resolución de problemas y ética
influyeron positivamente en el uso de ChatGPT.
Algunas competencias DigComp no resultaron
significativas.
4
Del Moral,
López y
Castañeda
2025
Analizar las estrategias de pensamiento
crítico ante fake news, la formación
recibida y las necesidades formativas de
universitarios.
No experimental;
descriptivo, exploratorio y
comparativo; 543
estudiantes; cuestionario
de 56 ítems.
El 76,7 % tenía poca o ninguna formación y cerca del
40 % no identificaba que recibía fake news. El
contraste de fuentes y autoría era poco frecuente.
5
Fernández,
Lozano y
Bellido
2025
Examinar el impacto de la ansiedad
tecnológica y las habilidades digitales en
las percepciones estudiantiles sobre IA.
Cuantitativo; transversal;
235 estudiantes; escalas
GAAIS, AIAS y
DigComp.
Un mayor uso de IA se relacionó con actitudes más
favorables y menor ansiedad. La alfabetización
informacional y de datos se vinculó con su
utilización.
6
Sapillado
Condori et al.
2025
Determinar el uso de IA, rendimiento
académico y académico y uso de IA para
reducir el retraso académico.
Cuantitativo; no
experimental,
correlacional y
transversal; 492
estudiantes universitarios
de 18 a 35 años.
Los estudiantes que dejaron sus tareas para la última
semana dependían de la IA para obtener soluciones
rápidas; esto se relacionó con su rendimiento
académico.
7
Zapata et al.
2026
Analizar la IA en el rendimiento y
desarrollo emocional de los estudiantes.
Cuantitativo; transversal;
correlacional.
Los estudiantes que utilizan IA de manera tranquila y
segura presentan una relación favorable con el
rendimiento académico.
8
Quispe et al.
2026
Determinar la relación entre
competencias, IA y rendimiento en
estudiantes.
Cuantitativo.
El uso de IA no garantiza buenas calificaciones ni un
mejor rendimiento; sus efectos dependen de cómo se
utilice y de los conocimientos del estudiante.
9
Castorena et al.
2026
Describir cómo los estudiantes
seleccionan y utilizan herramientas de
IA.
Cuantitativo; transversal y
no experimental.
La mayoría utiliza ChatGPT o alguna otra IA sin
saber cómo utilizarla adecuadamente; algunos
reconocen que no debería utilizarse para resolver
tareas completas.
10
Núñez-Michuy
et al.
2025
Analizar la transformación de la
educación mediante IA hacia la
personalización de contenidos y
estrategias según las necesidades de los
estudiantes.
Cuantitativo; diseño
cuasiexperimental para
evaluar la contribución de
la IA a la inclusión
educativa.
La integración de IA puede potenciar el rendimiento
académico al proporcionar experiencias de
aprendizaje ajustadas a las características del
estudiante, aunque existen desafíos relacionados con
privacidad y sesgos.
Fuente: Elaboración propia.
A
partir
de
la
identificación
de
los
artículos
incluidos, se plantean las categorías recurrentes
identificadas fueron uso ético y responsable de
IA, competencias digitales y alfabetización en
IA
pensamiento
crítico
y
verificación
de
información
inteligencia
artificial
y
rendimiento académico riesgos y desafíos. Los
estudios muestran que la incorporación de la IA
no
da
automáticamente
mejores
resultados
académicos pues su impacto depende del grado
en el cual el estudiante puede evaluar, verificar
y
utilizar
estratégicamente
la
información
generada;
además
se
demuestra
que
competencias
digitales
y
pensamiento
crítico
son elementos fundamentales para aprovechar
las
ventajas
de
estas
tecnologías
y
reducir
riesgos como dependencia o desinformación.
Tabla 4.
Matriz de categorización de los artículos incluidos.
Categoría de análisis
Aspectos identificados
Síntesis de hallazgos
Uso ético y responsable de la IA
Autonomía, ética, dependencia y uso adecuado
El uso responsable requiere autonomía, criterios éticos y evitar que la IA sustituya
el trabajo intelectual del estudiante.
Competencias digitales y
alfabetización en IA
Competencias digitales, alfabetización
informacional, prompting y evaluación
Las competencias digitales constituyen una condición importante para aprovechar
adecuadamente las herramientas de IA.
Pensamiento crítico y
verificación de información
Contraste de fuentes, autoría, evaluación de
contenidos y fake news
La capacidad de verificar y evaluar críticamente la información generada por IA es
fundamental para reducir la dependencia y la desinformación.
IA y rendimiento académico
Rendimiento, tareas, aprendizaje y
personalización
La IA no garantiza mejores resultados académicos; su impacto depende de la
forma en que sea utilizada y de las competencias del estudiante.
Riesgos y desafíos
Dependencia, privacidad, sesgos y ansiedad
tecnológica
Aunque la IA ofrece oportunidades educativas, existen riesgos que requieren
formación y regulación de su uso.
Fuente: Elaboración propia.
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 9.1
Edición Especial IX 2026
Página 811
Los
resultados
de
la
revisión
documental
muestran
que
la
IA
se
ha
ido
incorporando
progresivamente en los procesos de aprendizaje
universitario
pero
su
influencia
sobre
el
rendimiento
académico
no
puede
ser
interpretada
solo
desde
frecuencia
de
uso
de
estas herramientas. Los 10 estudios analizados
coinciden en decir que los beneficios de la IA
están
condicionados
por
competencias
digitales, capacidad crítica y uso ético de parte
de
los
estudiantes;
Sapillado
et
al.
(2025),
Zapata
et
al.
(2026)
y
Núñez
et
al.
(2025)
señalan posibilidades de mejora del aprendizaje
y rendimiento académico mientras Quispe et al.
(2026) dicen que sólo porque acceda o utilice la
IA
no
obtendrá
mejores
calificaciones.
Esta
coincidencia
permite
entender
que
la
IA
es
básicamente
una
herramienta
auxiliar
y
sus
resultados
dependen
de
las
capacidades
del
estudiante para integrarla adecuadamente a sus
actividades académicas.
En
cuanto
a
competencias
digitales
y
alfabetización en IA, los resultados indican que
estas
son
un
componente
fundamental
para
lograr
el
uso
efectivo
de
herramientas
de
IA.
Arámbulo et al. (2025) encontraron una relación
positiva
muy
fuerte
entre
las
competencias
digitales y la alfabetización en IA; Caner (2025)
encontró que ciertas competencias (resolución
de problemas y dimensión ética) influyen en el
uso
efectivo
de
ChatGPT.
Fernández
et
al.
(2025)
mostraron
cómo
familiaridad
tecnológica
y
habilidades
digitales
favorecen
actitudes
más
positivas
hacia
la
IA.
Esto
demuestra que no basta enseñarles a usar una
herramienta
tecnológica
sino
desarrollar
capacidades
para
entender
sus
posibilidades
limitaciones y consecuencias. Otro aspecto es
el
pensamiento
crítico
y
evaluación
de
la
información generada por IA. Del Moral et al
(2025)
encontraron
dificultades
para
los
estudiantes
para
detectar
información
falsa
y
contrastar
fuentes;
Anggraini
et
al.
(2026)
encontraron una confianza condicionada hacia
ChatGPT
y
necesidad
de
verificar
sus
respuestas.
Son
hallazgos
especialmente
importantes
porque
las
herramientas
de
IA
pueden
producir
información
aparentemente
correcta pero que hay que contrastarla antes de
usarla
académicamente.
Por
tanto,
la
incorporación
de
IA
en
educación
debe
ir
acompañada
del
fortalecimiento
del
pensamiento
crítico,
alfabetización
informacional
y
verificación
de
fuentes
y
contenidos.
Para el uso ético y responsable los resultados
muestran
una
preocupación
común
por
la
dependencia
tecnológica
y
la
pérdida
de
autonomía del estudiante Anggraini et al (2026)
afirma
que
existe
dependencia
negociada
y
confianza condicionada hacia IA; Castorena et
al. (2026) dicen que algunos estudiantes utilizan
herramientas como ChatGPT sin conocer bien
cómo usarlas y saben que no deberían sustituir
completamente
las
actividades
académicas;
Sapillado et al. (2025) relacionan el uso de IA
con buscar soluciones rápidas para tareas. Por
tanto, la discusión permite decir que problema
no es utilizar IA sino cómo, para qué y bajo qué
criterios se utiliza
Así
mismo
los
estudios
revisados
permiten
identificar
algunos
riesgos
asociados
a
la
incorporación
de
IA
(dependencia,
ansiedad
tecnológica,
desinformación,
privacidad
y
sesgos). Fernández et al. (2025) muestran que
una mayor familiaridad tecnológica reduce esta
ansiedad
hacia
estas
herramientas
mientras
Núñez
et
al.
(2025)
reconocen
oportunidades
para
personalización
del
aprendizaje,
también
desafíos relacionados con privacidad y sesgos
así
demuestra
que
la
integración
de
la
IA
requiere
un
equilibrio
entre
sus
beneficios
educativos y gestión de los riesgos derivados de
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 9.1
Edición Especial IX 2026
Página 812
su uso. Por último, en cuanto a la relación entre
inteligencia artificial y rendimiento académico,
la
evidencia
revisada
es
no
totalmente
uniforme:
algunos
estudios
dicen
que
hay
efectos
positivos
cuando
se
utiliza
IA
como
recurso de apoyo o personalización o acceso a
información;
otros
dicen
que
su
uso
por
sí
mismo
no
garantiza
mejores
resultados.
Esta
aparente
diferencia
puede
explicarse
por
las
competencias digitales críticas del estudiante y
por
la
finalidad
con
la
cual
emplea
la
herramienta
(por
ejemplo).
Por
ello
los
resultados de esta revisión permiten decir que la
IA
no
debe
ser
considerada
un
factor
determinante
directo
del
rendimiento
académico sino un recurso cuyo efecto depende
de
las
condiciones
de
uso,
competencias
del
estudiante y acompañamiento educativo.
Conclusiones
La revisión documental permitió concluir que la
inteligencia
artificial
constituye
una
herramienta
con
potencial
para
fortalecer
los
procesos
de
aprendizaje
y
favorecer
el
rendimiento
académico
de
los
estudiantes
universitarios,
siempre
que
su
utilización
se
encuentre orientada hacia fines educativos. Los
estudios analizados evidencian que la IA puede
facilitar
el
acceso
a
información,
apoyar
la
resolución
de
actividades
y
favorecer
experiencias
de
aprendizaje
más
personalizadas. Sin embargo, su utilización por
sí
sola
no
garantiza
mejores
resultados
académicos, debido a que estos dependen de las
competencias
y
de
la
manera
en
que
los
estudiantes integran estas herramientas en sus
procesos de aprendizaje.
Asimismo,
se
concluye
que
las
competencias
digitales,
el
pensamiento
crítico
y
la
alfabetización
en
inteligencia
artificial
constituyen
elementos
fundamentales
para
un
aprovechamiento
adecuado
de
estas
tecnologías.
La
capacidad
para
evaluar
la
información,
contrastar
fuentes,
identificar
contenidos
incorrectos
y
comprender
las
limitaciones de las respuestas generadas por IA
permite
disminuir
riesgos
asociados
con
la
desinformación
y
la
dependencia
tecnológica.
Por
ello,
la
educación
debe
fortalecer
estas
competencias
de
manera
transversal,
promoviendo estudiantes capaces de utilizar la
IA
no
únicamente
como
mecanismo
para
obtener
respuestas,
sino
como
recurso
para
analizar,
reflexionar,
resolver
problemas
y
construir conocimiento.
Los estudios revisados permiten concluir que el
uso
ético
y
responsable
de
la
inteligencia
artificial
representa
una
condición
indispensable
para
su
incorporación
en
la
educación.
La
dependencia,
la
pérdida
de
autonomía,
la
falta
de
verificación
de
información, los problemas de privacidad y los
posibles
sesgos
constituyen
desafíos
que
requieren
acompañamiento
y
formación.
En
este sentido, la integración educativa de la IA
debe
sustentarse
en
principios
de
responsabilidad,
autonomía,
pensamiento
crítico
y
ética
académica,
de
modo
que
la
tecnología
complemente
el
aprendizaje
del
estudiante
y
no
sustituya
sus
procesos
cognitivos ni su participación en la construcción
del conocimiento.
Referencias Bibliográficas
Anggraini, C., Rachmadania, N., Nugroho, C.,
Wulandari,
A.,
&
Rina,
N.
(2026).
How
students make sense of ChatGPT in digital
literacy
education:
Reflections
on
ethics,
dependency,
emotion,
and
evaluation.
Frontiers
in
Political
Science,
8,
1784691.
https://doi.org/10.3389/fpos.2026.1784691
Arámbulo,
M.,
Martínez,
M.,
&
Ramírez,
P.
(2025).
Competencias
digitales
y
la
alfabetización
en
inteligencia
artificial
en
estudiantes
universitarios.
Prohominum.
Revista
de
Ciencias
Sociales
y
Humanas,
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 9.1
Edición Especial IX 2026
Página 813
7(1),
32–42.
https://doi.org/10.47606/acven/ph0312
Caner-Yıldırım, S. (2025). Modeling ChatGPT
adoption
among
undergraduates:
An
integrated UTAUT2 and digital competence
framework.
SAGE
Open,
15(2).
https://doi.org/10.1177/2158244025134334
0
Del
Moral,
M.,
López,
N.,
Castañeda,
J.,
&
Bellver
Moreno,
M.
C.
(2025).
Universitarios
frente
a
las
fake
news
generadas
por
inteligencia
artificial:
Estrategias asociadas al pensamiento crítico
que
adoptan.
Educación
XX1,
28(2),
69–
121.
https://doi.org/10.5944/educxx1.39811
Fernández,
J.,
Lozano,
A.,
Bellido,
J.,
&
Martínez,
I.
(2025).
Percepciones
de
la
inteligencia
artificial
en
estudiantes
universitarios:
El
rol
de
la
ansiedad
tecnológica
y
las
competencias
digitales.
Formación
Universitaria,
18(5),
115–124.
https://doi.org/10.4067/S0718-
50062025000500115
Hernández,
R.,
y
Mendoza,
C.
(2018).
Metodología
de
la
investigación:
las
rutas
cuantitativa, cualitativa y mixta. Mcgrawhill
Interamericana
Editores,
S.A.
https://artes.upn.edu.co/wpcontent/uploads/
Intriago, J. (2024). La inteligencia artificial y el
desempeño académico de los estudiantes de
bachillerato en el Ecuador.
Revista Científica
Hallazgos21
,
179-186.
https://revistas.pucese.edu.ec/hallazgos21/ar
ticle/view/660
Jara, F., Rodríguez, S., Villa, I., y Guadalupe,
C.
(2025).
Inteligencia
Artificial
y
tecnologías TIC-TAC-TEP en la educación
superior
ecuatoriana.
Revista
Científica
Arbitrada
Multidisciplinaria
PENTACIENCIAS
,
VII(5),
68-86.
https://orcid.org/0000-0002-0168-1798
Jimbo, P., Lanzarini, L., Jimbo, M., y Morales,
M.
(2023).
Inteligencia
artificial
para
analizar
el
rendimiento
académico
en
instituciones
de
educación
superior.
Una
revisión sistemática de la literatura.
Revista
Cátedra
,
VI(2),
30-50.
https://doi.org/10.29166/catedra.v6i2.4408
Jiménez, A., Ovalle, A. (2008). Uso de técnicas
de
inteligencia
artificial
en
ambientes
distribuidos
de
enseñanza/aprendizaje.
Asociación
Colombiana
de
Facultades
de
Ingeniería
(5),
99-106.
https://educacioneningenieria.org/index.php
/edi/article/view/156
Miao, F., y Holmes, W. (2024).
Guía para el uso
de
IA
generativa
en
educación
e
investigación. Paris: UNESCO. Obtenido de
https://unesdoc.unesco.org/ark:/48223/pf00
00389227.locale=es
.
Núñez,
C,
Bonilla,
D.,
Baquedano,
T.,
&
Agualongo,
L.
(2025).
El
impacto
de
la
inteligencia
artificial
en
la
personalización
del aprendizaje y sus efectos en rendimiento
académico
e
inclusión
educativa.
Revista
Científica
UISRAEL,
12(2),
113–131.
https://doi.org/10.35290/rcui.v12n2.2025.14
35
Quispe, R., Mendoza, V., & Ricalde, L. (2026).
Relación
entre
la
competencia
digital
e
inteligencia
artificial
con
el
rendimiento
académico
en
estudiantes
universitarios.
Horizontes
Revista
de
Investigación
en
Ciencias de la Educación, 10(41), 614–634.
https://doi.org/10.33996/revistahorizontes.v
10i41.1227
Sánchez,
A.,
Martínez,
M.,
Rodríguez,
C.,
Romero, J., y Romero, M. (2024).
Impacto
de
la
inteligencia
artificial
en
las
prácticas
educativas:
Percepciones
y
actitudes
del
profesorado.
Redilat:
Revista
Latinoamericana
de
Ciencias
Sociales
y
Humanidades
,2,1041.
https://doi.org/10.56712/latam.v5i2.1933
Sapillado, H., Vilca, G., & Quispe, A. (2026).
Relación entre dependencia a la inteligencia
artificial,
rendimiento
y
procrastinación
académicos
en
universitarios.
Revista
Eugenio
Espejo,
20(1),
130–145.
https://doi.org/10.37135/ee.04.25.08
Zapata, D., Coronel, J., Gómez, R., Pariona, M,
Cerna, M., & González, Z. (2026). Impacto
del
uso
de
inteligencia
artificial
en
el
rendimiento
académico
y
el
bienestar
emocional
de
estudiantes
universitarios
en
Lima
metropolitana.
Prohominum,
8(1),
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 9.1
Edición Especial IX 2026
Página 814
579–594.
https://doi.org/10.47606/acven/ph0461
.
Zawacki,
O.,
Marín,
V.,
&
Gouverneur,
F.
(2019).
Systematic
review
of
research
on
artificial intelligence applications in
higher
education:
¿where
are
the
educators?
International
Journal
of
Educational
Technology
in
Higher
Education
.
https://doi.org/10.1186/s41239-019-0171-0
Declaraciones éticas y editoriales del artículo
Contribución de los autores (Taxonomía CRediT).
Tania Del Rocío Marmolejo Gutiérrez: 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.
Alexandra Betzabeth Ayala Cáceres: 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.
Viviana Priscila Neira Quinteros: 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.
Jefferson Geovany Castañeda Fuentes: participación en la investigación y recolección de información, validación de los datos y resultados, apoyo en el
análisis e interpretación de los resultados, revisión crítica del manuscrito y aprobación de la versión final para su publicación.
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.
