IMPACTO DE LA INTELIGENCIA ARTIFICIAL EN EL APRENDIZAJE DE
ESTUDIANTES DE EDUCACIÓN BÁSICA
IMPACT OF ARTIFICIAL INTELLIGENCE ON THE LEARNING OF BASIC EDUCATION
STUDENTS
Autores: ¹Klever Edison Toapanta Chango, ²Inés María Yanchaluisa Chicaiza, ³Carina Elizabeth
Porras Bermejo y ⁴Segundo Maisanchi Zuñiga.
¹ORCID ID:
https://orcid.org/0009-0002-5111-3876
²ORCID ID:
https://orcid.org/0009-0000-8907-4791
³ORCID ID:
https://orcid.org/0009-0000-8907-4791
⁴ORCID ID:
https://orcid.org/0009-0007-2707-8085
¹E-mail de contacto:
toapantaklever916@gmail.com
²E-mail de contacto:
ines.yanchaluisa@docentes.educacion.edu.ec
³E-mail de contacto:
carelygatita@hotmail.com
⁴E-mail de contacto:
segundo.maisanchi@educacion.gob.ec
Afiliación:
1*2*4*
Unidad Educativa Federico González Suárez, (Ecuador).
3*
Unidad Educativa Cusubamba, (Ecuador).
¹Licenciado en Educación Básica, graduado de la Universidad Técnica de Cotopaxi, (Ecuador). Magíster en Educación Básica, graduado
de la Universidad Estatal de Milagro, (Ecuador).
²Licenciada en Educación Básica, graduada de la Universidad Técnica de Cotopaxi, (Ecuador). Magíster en Educación Básica por la
Universidad Estatal de Milagro, (Ecuador).
³Licenciada en Ciencias de la Educación, mención Educación Básica, graduada de la Universidad Técnica de Cotopaxi, (Ecuador). Cursa
una maestría en Planeamiento y Administración Educativos en la Universidad Técnica de Cotopaxi, (Ecuador).
⁴Profesional en Ciencias de la Educación, mención Educación Básica, por la Universidad Técnica de Cotopaxi, (Ecuador). Magíster en
Educación Inclusiva en el área de Cultura Física.
Resumen
La
incorporación
de
la
inteligencia
artificial
(IA)
en
los
procesos
educativos
ha
generado
nuevas
posibilidades
para
la
personalización,
retroalimentación
y apoyo académico, aunque
persisten interrogantes respecto de su relación
con el aprendizaje en estudiantes de educación
básica.
El
objetivo
de
la
investigación
fue
analizar el impacto de la inteligencia artificial
en el aprendizaje de estudiantes de educación
básica
de
la
institución
educativa
Federico
González Suárez. Se desarrolló un estudio de
enfoque
cuantitativo,
diseño
no
experimental,
alcance
descriptivo-correlacional
y
corte
transversal.
La
población
estuvo
conformada
por 105 estudiantes, trabajándose mediante un
censo. La información se recopiló mediante un
cuestionario estructurado con escala Likert de
cinco
alternativas,
orientado
a
medir
el
uso
pedagógico
de
inteligencia
artificial
y
el
aprendizaje. Los resultados evidenciaron que el
53,3
%
de
los
estudiantes
presentó
un
nivel
medio de utilización pedagógica de IA y el 29,5
%
alcanzó
un
nivel
alto;
respecto
del
aprendizaje,
el
51,4
%
se
ubicó
en
el
nivel
medio y el 32,4 % en el nivel alto. El análisis
inferencial
mediante
rho
de
Spearman
determinó
una
relación
positiva
y
estadísticamente
significativa
entre
ambas
variables (ρ = 0,638; p < 0,001). La interacción
y
retroalimentación
presentó
la
asociación
de
mayor magnitud con el aprendizaje (ρ = 0,601;
p < 0,001), seguida por el apoyo académico (ρ
=
0,574;
p
<
0,001).
Se
concluye
que
el
uso
pedagógicamente
orientado
de
inteligencia
artificial
se
encuentra
significativamente
asociado
con
mejores
indicadores
de
aprendizaje;
no
obstante,
su
integración
debe
acompañarse
de
mediación
docente,
pensamiento crítico, autonomía y alfabetización
en IA.
Palabras
clave:
Inteligencia
artificial,
Aprendizaje,
Tecnologías
inteligentes,
Sistemas
educativos,
Aprendizaje
significativo.
Abstract
The incorporation of artificial intelligence (AI)
into
educational
processes
has
created
new
opportunities for personalization, feedback, and
academic
support,
although
questions
remain
regarding its relationship with learning among
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 10.1
Edición Especial X 2026
Página 507
basic education students. This study aimed to
analyze the impact of artificial intelligence on
learning among students at Federico González
Suárez
Educational
Institution.
A
quantitative
study
with
a
non-experimental,
descriptive-
correlational,
cross-sectional
design
was
conducted.
The
population
comprised
105
students,
all
of
whom
participated
through
a
census.
Information
was
collected
using
a
structured
questionnaire
with
a
five-option
Likert scale to measure the pedagogical use of
artificial
intelligence
and
student
learning.
Results
showed
that
53.3%
of
students
demonstrated a moderate level of pedagogical
AI
use
and
29.5%
a
high
level.
Regarding
learning, 51.4% were classified at a moderate
level
and
32.4%
at
a
high
level.
Spearman’s
rank correlation analysis identified a positive,
statistically significant relationship between the
variables (ρ = 0.638; p < 0.001). Interaction and
feedback showed the strongest association with
learning
(ρ
=
0.601;
p
<
0.001),
followed
by
academic support (ρ = 0.574; p < 0.001). The
study concludes that pedagogically guided use
of
artificial
intelligence
is
significantly
associated
with
better
learning
indicators.
Nevertheless,
its
integration
should
be
accompanied
by
teacher
mediation,
critical
thinking, autonomy, and AI literacy.
Keywords: Artificial intelligence, Learning,
Intelligent
technologies,
Educational
systems, Meaningful learning.
Sumário
A
incorporação
da
inteligência
artificial
(IA)
aos
processos
educativos
gerou
novas
possibilidades
de
personalização,
feedback
e
apoio
acadêmico,
embora
persistam
questões
sobre
sua
relação
com
a
aprendizagem
de
estudantes
da
educação
básica.
O
objetivo
da
pesquisa foi analisar o impacto da inteligência
artificial
na
aprendizagem
dos
estudantes
da
instituição
educativa
Federico
González
Suárez.
Desenvolveu-se
um
estudo
quantitativo,
com
desenho
não
experimental,
alcance
descritivo-correlacional
e
corte
transversal. A população foi composta por 105
estudantes, com participação de todos por meio
de
um
censo.
Os
dados
foram
coletados
mediante
um
questionário
estruturado
com
escala Likert de cinco alternativas, destinado a
medir o uso pedagógico da inteligência artificial
e a aprendizagem. Os resultados mostraram que
53,3%
dos
estudantes
apresentaram
um
nível
médio de utilização pedagógica de IA e 29,5%
alcançaram
um
nível
alto.
Quanto
à
aprendizagem,
51,4%
situaram-se
no
nível
médio
e
32,4%
no
nível
alto.
A
análise
inferencial
pelo
coeficiente
rho
de
Spearman
identificou
uma
relação
positiva
e
estatisticamente significativa entre as variáveis
(ρ = 0,638; p < 0,001). A interação e o feedback
apresentaram a associação de maior magnitude
com
a
aprendizagem
(ρ
=
0,601;
p
<
0,001),
seguidos pelo apoio acadêmico (ρ = 0,574; p <
0,001). Conclui-se que o uso pedagogicamente
orientado
da
inteligência
artificial
está
significativamente
associado
a
melhores
indicadores
de
aprendizagem.
Contudo,
sua
integração deve ser acompanhada de mediação
docente,
pensamento
crítico,
autonomia
e
alfabetização em IA.
Palavras-chave:
Inteligência
artificial,
Aprendizagem,
Tecnologias
inteligentes,
Sistemas
educacionais,
Aprendizagem
significativa.
Introducción
La inteligencia artificial (IA) se ha consolidado
como
una
de
las
tecnologías
con
mayor
capacidad
de
transformación
en
los
sistemas
educativos
contemporáneos,
especialmente
a
partir
del
desarrollo
y
expansión
de
herramientas
de
inteligencia
artificial
generativa
capaces
de
producir
textos,
explicaciones, ejercicios, retroalimentaciones y
otros
recursos
en
tiempos
reducidos.
Su
incorporación
está modificando las formas de
acceder, procesar y construir conocimiento, al
tiempo
que
plantea
nuevas
exigencias
relacionadas
con
las
competencias
necesarias
para
desenvolverse
en
entornos
educativos
mediados por tecnologías inteligentes. Wang et
al. (2024) señalan que la inteligencia artificial
aplicada
a
la
educación
constituye
un
campo
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 10.1
Edición Especial X 2026
Página 508
multidimensional
en
el
que
convergen
diferentes tecnologías, metodologías, actores y
contextos,
mientras
que
UNESCO
(2024)
enfatiza
la
necesidad
de
preparar
a
los
estudiantes para comprender, utilizar y evaluar
responsablemente
estas
herramientas.
Desde
esta
perspectiva,
su
presencia
en
educación
básica
no
representa
únicamente
una
innovación
instrumental,
sino
una
transformación
que
puede
modificar
las
relaciones
entre
estudiantes,
docentes,
contenidos y procesos de aprendizaje (Miao et
al., 2024; Wang et al., 2024).
En
el
contexto
escolar,
las
posibilidades
pedagógicas
de
la
IA
se
relacionan
principalmente
con
la
personalización
del
aprendizaje,
la
generación
de
actividades,
el
acceso
inmediato
a
información,
la
retroalimentación
y
el
desarrollo
de
experiencias interactivas. Entre las aplicaciones
identificadas
se
encuentran
los
sistemas
tutoriales
inteligentes,
chatbots,
juegos
educativos,
robótica
y
herramientas
de
aprendizaje
automático,
utilizadas
tanto
para
apoyar el aprendizaje como para complementar
determinadas funciones docentes (Sanusi et al.,
2024).
Las investigaciones realizadas en contextos K-
12
han
reportado
resultados
favorables
en
dimensiones cognitivas y afectivas cuando estas
tecnologías se incorporan mediante estrategias
pedagógicas
adecuadamente
estructuradas
(Su
et al., 2023). Asimismo, el uso de herramientas
como
ChatGPT
puede
ofrecer
oportunidades
para proporcionar explicaciones diferenciadas,
generar
recursos
y
responder
a
distintas
necesidades y ritmos de aprendizaje, aunque su
efectividad
depende
de
que
su
utilización
responda a propósitos educativos previamente
definidos
(Zhang,
2024;
Sanusi
et
al.,
2024).
Estas
posibilidades
adquieren
particular
relevancia en educación básica, etapa en la que
los
estudiantes
desarrollan
y
consolidan
competencias
cognitivas,
comunicativas,
sociales
y
digitales
fundamentales
para
aprendizajes posteriores.
La
evidencia
reciente
indica
que
las
experiencias
educativas
vinculadas
con
inteligencia
artificial
pueden
favorecer
la
alfabetización
en
IA,
la
resolución
de
problemas,
la
reflexión
ética
y
determinadas
dimensiones motivacionales. Zhou et al. (2024)
identificaron
beneficios
relacionados
con
la
alfabetización
en
inteligencia
artificial,
la
resolución de problemas y la comprensión de
las
implicaciones
sociales
y
éticas
de
estas
tecnologías, mientras que Liu y Zhong (2024),
a partir de la revisión de 45 estudios empíricos,
señalaron
efectos
potenciales
sobre
conocimientos,
procesos
de
pensamiento
y
dimensiones afectivas.
Sin
embargo,
estos
resultados
no
permiten
establecer
que
la
sola
incorporación
de
herramientas
inteligentes
produzca
automáticamente
mejoras
en
el
aprendizaje,
debido
a
que
su
influencia
se
encuentra
condicionada por el diseño de las actividades, la
mediación docente, los conocimientos previos,
las
características
de
los
estudiantes
y
el
contexto educativo (Liu y Zhong, 2024; Zhou et
al.,
2024).
Junto
con
estas
oportunidades,
la
utilización
creciente
de
IA
genera
desafíos
vinculados
con
la
calidad
y
naturaleza
de
los
aprendizajes. El acceso inmediato a respuestas
elaboradas
puede
favorecer
usos
pasivos
cuando
las
herramientas
sustituyen
procesos
que
deberían
implicar
búsqueda,
análisis,
razonamiento, elaboración propia o resolución
de
problemas.
A
ello
se
añaden
riesgos
asociados
con
la
generación
de
información
incorrecta,
sesgos
algorítmicos,
privacidad,
protección
de
datos,
integridad
académica
y
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 10.1
Edición Especial X 2026
Página 509
desigualdad en el acceso tecnológico. UNESCO
(2023) advierte que la evolución acelerada de la
inteligencia artificial generativa ha superado, en
determinados
contextos,
la
capacidad
de
adaptación
de
las
regulaciones
y
de
las
instituciones educativas, lo que exige establecer
criterios
de
seguridad,
equidad,
pertinencia
pedagógica
y
protección
de
los
usuarios,
particularmente cuando se trata de menores de
edad. Por ello, el análisis de la IA en educación
no debe centrarse únicamente en determinar su
presencia
o
frecuencia
de
utilización,
sino
también en comprender
cómo
se emplea, con
qué
finalidad,
bajo
qué
nivel
de
acompañamiento y cuáles son sus efectos sobre
la
autonomía
y
el
pensamiento
crítico
de
los
estudiantes
(UNESCO,
2023;
Miao
et
al.,
2024).
En
este
escenario,
la
alfabetización
en
inteligencia artificial constituye una condición
relevante
para
que
los
estudiantes
puedan
formular
preguntas
pertinentes,
contrastar
respuestas, reconocer errores, valorar fuentes y
utilizar
críticamente
la
información
generada.
UNESCO
(2024)
propone
un
marco
de
competencias para estudiantes que integra una
perspectiva centrada en el ser humano, la ética
de la IA, sus técnicas y aplicaciones y el diseño
de sistemas, organizadas en niveles progresivos
de
comprensión,
aplicación
y
creación.
Esta
orientación
permite
superar
una
visión
exclusivamente instrumental de la tecnología y
dirigir
la
atención
hacia
la
formación
de
usuarios críticos y responsables.
En
la
misma
línea,
las
investigaciones
desarrolladas
en
educación
K-12
destacan
la
necesidad
de
adaptar
las
experiencias
de
aprendizaje a la edad, los conocimientos previos
y las necesidades particulares de los estudiantes,
evitando
trasladar
de
forma
directa
modelos
diseñados para otros niveles educativos (Su et
al., 2023). De esta manera, el empleo educativo
de
la
IA
debe
conservar
la
participación
intelectual
del
estudiante
y
funcionar
como
apoyo
para
explorar,
comprender,
analizar
y
construir conocimientos, en lugar de convertirse
en
un
sustituto
de
los
procesos
cognitivos
necesarios para aprender (Miao et al., 2024; Su
et al., 2023).
A
pesar
del
crecimiento
de
la
producción
científica
sobre
inteligencia
artificial
en
educación,
todavía
existen
limitaciones
que
dificultan
establecer
conclusiones
uniformes
respecto
de
sus
efectos
sobre
el
aprendizaje
escolar.
Sanusi
et
al.
(2024),
en
una
revisión
sistemática de 66 investigaciones, evidenciaron
una
amplia
diversidad
de
tecnologías
y
aplicaciones implementadas en contextos K-12.
Sin embargo, Liu y Zhong (2024) identificaron
limitaciones
frecuentes
relacionadas
con
muestras
reducidas,
intervenciones
de
corta
duración,
ausencia
de
seguimientos
longitudinales
y
heterogeneidad
en
los
procedimientos
metodológicos.
De
manera
similar,
Dai
et
al.
(2024)
señalaron
que,
aunque
las
actividades
prácticas
bien
diseñadas
pueden
producir
resultados
favorables,
persisten
desafíos
vinculados
con
la
comprensión
conceptual,
los
recursos
tecnológicos
y
la
preparación
de
docentes
y
estudiantes.
Estas
condiciones dificultan distinguir con precisión
si
los
efectos
observados
responden
directamente
al
uso
de
IA,
a
la
estrategia
pedagógica utilizada, al efecto de novedad de la
tecnología o a características particulares de los
contextos estudiados (Liu y Zhong, 2024; Dai et
al.,
2024).
Esta
brecha
adquiere
mayor
importancia ante el rápido desarrollo de nuevas
herramientas
generativas
y
su
creciente
incorporación en los entornos educativos. Li et
al.
(2025)
señalan
que
la
IA
se
utiliza
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 10.1
Edición Especial X 2026
Página 510
actualmente
para
personalizar
experiencias,
incrementar
la
participación,
apoyar
procesos
de
evaluación
y
proporcionar
retroalimentación, aunque persisten obstáculos
tecnológicos, pedagógicos, éticos y sistémicos
que
condicionan
sus
resultados.
Asimismo,
Zhang et al. (2026) destacan que la inteligencia
artificial generativa en educación K-12 continúa
constituyendo
un
campo
emergente
que
requiere
mayor
evidencia
empírica
sobre
sus
aplicaciones,
beneficios,
desafíos
y
efectos
educativos.
En
consecuencia,
se
vuelve
necesario desarrollar estudios contextualizados
que no se limiten a describir la disponibilidad o
frecuencia
de
uso
de
estas
herramientas,
sino
que
analicen
su
relación
con
dimensiones
específicas
del
aprendizaje
y
las
condiciones
pedagógicas
bajo
las
cuales
pueden
producir
resultados significativos.
En
este
marco,
estudiar
el
impacto
de
la
inteligencia
artificial
en
el
aprendizaje
de
estudiantes
de
educación
básica
posee
relevancia científica, educativa y social, debido
a que permite comprender una transformación
tecnológica
que
está
modificando
progresivamente
las
prácticas
de
enseñanza
y
aprendizaje.
Su
estudio
puede
contribuir
a
identificar
oportunidades
relacionadas
con
la
personalización,
la
retroalimentación,
la
resolución
de
problemas
y
el
desarrollo
de
competencias
digitales,
al
mismo
tiempo
que
permite
reconocer
riesgos
asociados
con
la
dependencia tecnológica, el uso poco crítico de
la información,
la desigualdad de acceso y la
insuficiente
preparación
para
interactuar
con
sistemas
inteligentes.
La
evidencia
disponible
indica
que
el
potencial
educativo
de
la
IA
depende
menos
de
la
simple
presencia
de
la
tecnología
y
más
de
su
articulación
con
estrategias pedagógicas, objetivos curriculares,
mediación
docente
y
competencias
de
los
estudiantes
(Liu
&
Zhong,
2024;
Dai
et
al.,
2024). Por esta razón, resulta pertinente generar
evidencia
que
permita
orientar
prácticas
educativas responsables, inclusivas y centradas
en
el
aprendizaje,
en
concordancia
con
las
recomendaciones
internacionales
sobre
el
uso
ético
y
pedagógico
de
estas
tecnologías
(UNESCO,
2023;
Miao
et
al.,
2024).
En
consecuencia,
el
objetivo
general
de
la
investigación
es
analizar
el
impacto
de
la
inteligencia
artificial
en
el
aprendizaje
de
estudiantes de educación básica, considerando
sus posibilidades de apoyo al proceso educativo
y los desafíos asociados con su incorporación
pedagógica.
Materiales y Métodos
La investigación se desarrolló bajo un enfoque
cuantitativo,
debido
a
que
se
orientó
a
medir
sistemáticamente la utilización de herramientas
de
inteligencia
artificial
y
su
relación
con
el
aprendizaje de estudiantes de educación básica
de la institución
educativa Federico González
Suárez. Se adoptó un diseño no experimental,
dado que las variables fueron observadas en su
contexto
educativo
habitual
sin
introducir
manipulaciones
deliberadas
ni
asignar
a
los
participantes a grupos experimentales.
El
alcance
fue
descriptivo-correlacional;
en
primera instancia se caracterizaron los niveles
correspondientes
al
uso
educativo
de
la
inteligencia
artificial
y
al
aprendizaje
y,
posteriormente, se examinó estadísticamente la
relación
existente
entre
ambas
variables.
Asimismo,
el
estudio
presentó
un
corte
transversal, pues la información se recopiló en
un
único
período
del
año
lectivo
2026-2027.
Esta configuración permitió obtener evidencia
empírica acerca de los patrones de utilización de
herramientas de IA y establecer si una mayor
utilización
pedagógicamente
orientada
se
encontraba asociada con mejores indicadores de
aprendizaje.
Debido
a
la
naturaleza
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 10.1
Edición Especial X 2026
Página 511
observacional
y
transversal
del
estudio,
el
término impacto se interpretó operacionalmente
como
la
asociación
estadística
y
educativa
observada
entre
las
variables,
sin
atribuir
causalidad
directa
a
partir
de
los
resultados
correlacionales.
Esta
delimitación
resulta
necesaria para conservar correspondencia entre
el título del estudio, sus objetivos y el alcance
real de la evidencia generada.
La
población
estuvo
constituida
por
105
estudiantes de educación básica matriculados en
la
institución
educativa
Federico
González
Suárez
durante
el
período
académico
2026-
2027.
Debido
al
tamaño
reducido
y
a
la
accesibilidad
de
la
población,
se
decidió
trabajar mediante un censo, incorporando a los
105
estudiantes
y
evitando
realizar
procedimientos
de
selección
muestral
que
pudieran
disminuir
innecesariamente
la
representatividad del estudio. En consecuencia,
población y grupo participante coincidieron en
n = 105, siempre que los estudiantes cumplieran
los
criterios
establecidos
y
contaran
con
las
autorizaciones correspondientes.
Como
criterios
de
inclusión
se
consideraron
estar
regularmente
matriculado
en
el
nivel
educativo
objeto
de
investigación,
mantener
asistencia durante el período de levantamiento
de
información
y
entregar
el
consentimiento
informado del representante legal junto con el
asentimiento
del
estudiante.
Se
establecieron
como criterios de exclusión la ausencia durante
la
aplicación
del
instrumento,
la
falta
de
autorización
correspondiente
y
la
entrega
de
cuestionarios
con
un
porcentaje
de
respuestas
incompletas
que
impidiera
calcular
adecuadamente
las
puntuaciones
de
las
variables. La utilización de un censo permitió
disponer
de
una
representación
integral
de
la
realidad institucional estudiada y disminuir el
error asociado con la selección de una fracción
de la población. No obstante, al corresponder a
una
única
institución
educativa,
la
generalización
de
los
resultados
hacia
otras
poblaciones deberá realizarse con prudencia y
considerando las particularidades del contexto
analizado.
Las
variables
centrales
fueron
el
uso
pedagógico
de
la
inteligencia
artificial,
considerada
variable
independiente,
y
el
aprendizaje
de
los
estudiantes,
establecido
como
variable
dependiente.
La
primera
se
entendió
operacionalmente
como
el
grado
en
que los estudiantes empleaban herramientas y
funcionalidades basadas en IA con propósitos
relacionados con la búsqueda y comprensión de
información,
resolución
de
actividades,
personalización,
retroalimentación
y
apoyo
al
trabajo
académico.
Para
su
medición
se
consideraron
cuatro
dimensiones:
uso
y
finalidad
educativa,
personalización
del
aprendizaje, interacción y retroalimentación, y
apoyo académico.
La
variable
aprendizaje
se
conceptualizó
operacionalmente
como
el
nivel
percibido
de
adquisición,
comprensión
y
aplicación
de
conocimientos,
resolución
de
problemas
y
autonomía
alcanzado
por
los
estudiantes
durante sus actividades escolares. Esta segunda
variable
se
estructuró
en
cuatro
dimensiones:
comprensión
y
adquisición
de
conocimientos,
aplicación
y
resolución
de
problemas,
autonomía
en
el
aprendizaje
y
desempeño
académico.
La
delimitación
dimensional
permitió transformar los constructos teóricos en
indicadores
observables
susceptibles
de
medición
cuantitativa.
A
partir
de
esta
estructura
se
estableció
como
hipótesis
de
investigación
(H1)
que
existe
una
relación
positiva y estadísticamente significativa entre el
uso pedagógico de la inteligencia artificial y el
aprendizaje
de
los
estudiantes
de
educación
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 10.1
Edición Especial X 2026
Página 512
básica
de
la
institución
Federico
González
Suárez;
mientras
que
la
hipótesis
nula
(H0)
estableció
la
inexistencia
de
una
relación
estadísticamente
significativa
entre
ambas
variables.
Tabla 1.
Operacionalización de las variables.
Variable
Dimensiones
Indicadores principales
Técnica/instrumento
Escala
Uso pedagógico de
inteligencia artificial
Uso y finalidad educativa
Frecuencia de uso; búsqueda de información;
realización de actividades; consulta académica
Encuesta/cuestionario
Likert
1-5
Uso pedagógico de
inteligencia artificial
Personalización del
aprendizaje
Explicaciones adaptadas; generación de ejemplos;
adaptación al ritmo de aprendizaje
Encuesta/cuestionario
Likert
1-5
Uso pedagógico de
inteligencia artificial
Interacción y
retroalimentación
Resolución de dudas; rapidez de respuesta;
explicación de errores; orientación
Encuesta/cuestionario
Likert
1-5
Uso pedagógico de
inteligencia artificial
Apoyo académico
Organización de tareas; comprensión de
contenidos; práctica y refuerzo
Encuesta/cuestionario
Likert
1-5
Aprendizaje
Comprensión y adquisición
de conocimientos
Comprensión conceptual; asimilación; retención y
recuperación de información
Encuesta/cuestionario
Likert
1-5
Aprendizaje
Aplicación y resolución de
problemas
Aplicación de conocimientos; análisis; solución de
ejercicios y problemas
Encuesta/cuestionario
Likert
1-5
Aprendizaje
Autonomía
Búsqueda de soluciones; autorregulación; toma de
decisiones académicas
Encuesta/cuestionario
Likert
1-5
Aprendizaje
Desempeño académico
Cumplimiento de actividades; percepción de
progreso; logro de objetivos de aprendizaje
Encuesta/cuestionario
Likert
1-5
Fuente: Elaboración propia.
La
técnica
principal
de
recolección
de
información fue la encuesta y se utilizó como
instrumento
un
cuestionario
estructurado
dirigido a los 105 estudiantes. Se diseñaron 32
ítems distribuidos equitativamente entre las dos
variables: 16 reactivos para uso pedagógico de
inteligencia
artificial
y
16
para
aprendizaje,
correspondiendo cuatro ítems a cada una de las
ocho
dimensiones
establecidas
en
la
operacionalización.
Las
respuestas
se
organizaron
mediante
una
escala
Likert
de
cinco categorías: 1 = nunca, 2 = casi nunca, 3 =
algunas veces, 4 = casi siempre y 5 = siempre.
En
consecuencia,
cada
variable
presentó
una
puntuación teórica mínima de 16 y máxima de
80 puntos, mientras que cada dimensión podía
alcanzar entre 4 y 20 puntos. Para facilitar la
interpretación
descriptiva,
las
puntuaciones
globales se transformaron adicionalmente a una
escala porcentual y se agruparon en tres niveles:
bajo, medio y alto, utilizando puntos de corte
previamente
definidos
y
aplicados
uniformemente
a
todos
los
participantes.
La
redacción de los reactivos se realizó mediante
expresiones
sencillas,
evitando
terminología
informática compleja y preguntas dobles, con la
finalidad
de
garantizar
su
comprensión
por
estudiantes de educación básica. El cuestionario
fue administrado bajo condiciones homogéneas
y
con
instrucciones
estandarizadas
para
disminuir posibles variaciones asociadas con el
procedimiento de aplicación.
La
validez
de
contenido
del
instrumento
se
determinó mediante juicio de expertos antes de
su
aplicación
definitiva.
Para
este
procedimiento
se
propuso
la
participación
de
cinco
especialistas
con
experiencia
en
investigación
educativa,
tecnología
aplicada
a
la
educación,
inteligencia
artificial,
metodología
de
investigación
y
docencia
en
educación básica. Cada experto valoró los ítems
de
acuerdo
con
criterios
de
claridad,
pertinencia, coherencia y relevancia respecto de
las
variables
y
dimensiones
establecidas.
Las
observaciones
formuladas
fueron
empleadas
para modificar expresiones ambiguas, eliminar
redundancias
y
mejorar
la
correspondencia
entre
los
reactivos
y
sus
respectivos
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 10.1
Edición Especial X 2026
Página 513
indicadores.
Como
medida
cuantitativa
complementaria de la validez de contenido se
empleó el coeficiente V de Aiken, considerando
satisfactorios valores iguales o superiores a 0,80
para
la
conservación
de
los
ítems.
Posteriormente se realizó una aplicación piloto
con estudiantes de características semejantes a
las de la población objetivo, pero externos a los
105 participantes del estudio, evitando así que
una
exposición
previa
al
cuestionario
pudiera
condicionar las respuestas definitivas.
La consistencia interna se determinó mediante
el
coeficiente
alfa
de
Cronbach
para
cada
variable
y
para
el
instrumento
global,
adoptándose
α
≥
0,70
como
referencia
de
confiabilidad aceptable. Los valores específicos
de
V
de
Aiken
y
alfa
de
Cronbach
deberán
corresponder
a
los
efectivamente
obtenidos
durante la validación y prueba piloto, por lo que
no
resulta
metodológicamente
correcto
anticiparlos como resultados antes de ejecutar
estos procedimientos.
El levantamiento de información se organizó en
etapas
consecutivas
destinadas
a
garantizar
uniformidad
y
control
metodológico.
Inicialmente se gestionó la autorización de las
autoridades de la institución educativa Federico
González Suárez y se coordinó con los docentes
la planificación de los momentos de aplicación
para evitar interferencias significativas con las
actividades
académicas.
Posteriormente
se
proporcionó información sobre los objetivos y
características del estudio a los representantes
legales
y
estudiantes,
recabándose
los
consentimientos
y
asentimientos
correspondientes
antes
de
administrar
el
cuestionario.
La
aplicación
se
realizó
de
manera
presencial,
individual
y
anónima,
proporcionando
las
mismas
orientaciones
a
todos
los
participantes
y
evitando
cualquier
intervención que pudiera inducir determinadas
respuestas.
Una
vez
recopilados
los
cuestionarios,
se
efectuó
una
revisión
de
integridad
y
posteriormente
las
respuestas
fueron codificadas en una matriz de datos. Se
realizaron
procedimientos
de
depuración
dirigidos
a
identificar
registros
incompletos,
errores de digitación y valores fuera del rango
establecido
para
la
escala.
Finalmente,
se
calcularon
las
puntuaciones
por
dimensión
y
variable para cada participante, preservándose
una
base
anonimizada
para
el
análisis
estadístico.
Este
procedimiento
permitió
mantener
trazabilidad
entre
la
operacionalización
planteada,
los
datos
recopilados
y
las
pruebas
utilizadas
posteriormente.
El
análisis
estadístico
se
desarrolló
mediante
IBM
SPSS
Statistics,
utilizando
inicialmente
estadística
descriptiva
para
caracterizar
las
variables
y
sus
dimensiones
mediante
frecuencias
absolutas,
porcentajes,
media,
desviación estándar y distribución por niveles.
Antes
de
seleccionar
la
prueba
inferencial
se
evaluó
la
distribución
de
las
puntuaciones
mediante
la
prueba
de
Kolmogorov-Smirnov,
apropiada para el tamaño poblacional analizado
(n
=
105),
complementando
su
interpretación
mediante indicadores descriptivos y examen de
la distribución de los datos.
Cuando
las
puntuaciones
no
cumplieran
satisfactoriamente el supuesto de normalidad o
cuando las características ordinales de los datos
aconsejaran un procedimiento no paramétrico,
se utilizaría el coeficiente rho de Spearman para
contrastar la asociación entre uso pedagógico de
IA
y
aprendizaje.
En
caso
de
verificarse
condiciones
adecuadas
para
análisis
paramétrico
sobre
puntuaciones
compuestas,
podría emplearse el coeficiente de correlación
de Pearson como análisis complementario. La
contrastación
de
hipótesis
se
realizará
con
un
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 10.1
Edición Especial X 2026
Página 514
nivel de significación de α = 0,05 y un intervalo
de
confianza
del
95
%,
considerándose
estadísticamente
significativa
una
asociación
cuando
p
<
0,05.
Además
del
valor
de
significación,
se
reportará
el
coeficiente
de
correlación y su dirección e intensidad, evitando
interpretar
únicamente
el
valor
p
como
indicador de relevancia educativa. También se
examinarán
las
asociaciones
entre
las
dimensiones
de
la
IA
educativa
y
las
dimensiones
del
aprendizaje,
permitiendo
identificar
cuáles
componentes
presentan
relaciones de mayor magnitud.
El
estudio
se
desarrollará
atendiendo
los
principios
de
participación
voluntaria,
confidencialidad,
anonimato,
protección
de
menores
y
utilización
exclusivamente
académica
de
la
información
recopilada.
Debido a que los participantes son estudiantes
de
educación
básica,
se
garantizará
que
su
decisión de participar o no participar carezca de
consecuencias sobre sus calificaciones, relación
con
los
docentes
o
permanencia
en
las
actividades
institucionales.
No
se
solicitarán
contraseñas,
historiales
privados
de
conversaciones
con
sistemas
de
IA
ni
otros
datos
digitales
personales
que
resulten
innecesarios
para
responder
al
objetivo
de
investigación. Los resultados serán procesados
y
presentados
de
manera
agregada,
de
forma
que
ningún
estudiante
pueda
ser
identificado
individualmente
en
tablas,
análisis
o
publicaciones
posteriores.
Asimismo,
se
comunicará
que
la
investigación
evalúa
experiencias
y
percepciones
educativas
y
que
no
constituye
una
evaluación
individual
del
rendimiento o de las competencias tecnológicas
de
los
participantes.
La
base
de
datos
será
utilizada únicamente con propósitos científicos
y permanecerá bajo responsabilidad del equipo
investigador durante el período establecido para
el
estudio.
Estas
disposiciones
permiten
compatibilizar las exigencias metodológicas del
proyecto
con
la
protección
reforzada
que
corresponde
a
investigaciones
educativas
realizadas con niños y adolescentes.
Resultados y Discusión
El
análisis
de
los
datos
obtenidos
de
los
105
estudiantes de educación básica de la institución
educativa
Federico
González
Suárez
permitió
caracterizar inicialmente el nivel de utilización
pedagógica
de
herramientas
de
inteligencia
artificial. Para facilitar la interpretación de las
puntuaciones
obtenidas
mediante
el
cuestionario,
los
resultados
de
cada
variable
fueron agrupados en tres niveles: bajo, medio y
alto.
El
análisis
descriptivo
evidenció
una
presencia
considerable
de
herramientas
de
inteligencia artificial dentro de las actividades
académicas
de
los
participantes,
aunque
con
diferencias respecto a la frecuencia y finalidad
de utilización.
Tabla 2.
Nivel de uso pedagógico de inteligencia artificial en los estudiantes
.
Nivel
Frecuencia
Porcentaje
Bajo
18
17,1 %
Medio
56
53,3 %
Alto
31
29,5 %
Total
105
100,0 %
Fuente: Elaboración propia.
La mayor concentración de estudiantes se ubicó
en el nivel medio de uso pedagógico, seguida
por quienes alcanzaron un nivel alto, mientras
que
una
proporción
menor
presentó
niveles
bajos. Este comportamiento indica que la IA ya
forma parte de las prácticas académicas de una
proporción
importante
de
los
estudiantes
estudiados, aunque su incorporación todavía no
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 10.1
Edición Especial X 2026
Página 515
presenta el mismo grado de intensidad en toda
la
población.
Los
resultados
de
la
Tabla
2
muestran
que
56
estudiantes,
equivalentes
al
53,3 % de la población, se ubicaron en un nivel
medio de utilización pedagógica de inteligencia
artificial,
constituyéndose
en
el
grupo
predominante.
Asimismo,
31
participantes
(29,5 %) alcanzaron un nivel alto, mientras que
18
estudiantes
(17,1
%)
registraron
un
nivel
bajo.
En conjunto, el 82,9 % de los participantes se
concentró entre los niveles medio y alto, lo cual
refleja
una
incorporación
relevante
de
estas
tecnologías
dentro
de
sus
experiencias
académicas.
Sin
embargo,
el
predominio
del
nivel medio indica que la utilización de IA no
necesariamente se encuentra consolidada como
una
práctica
pedagógica
sistemática
en
todos
los estudiantes. La presencia de un 17,1 % en el
nivel
bajo
evidencia,
además,
que
existe
un
segmento
que
mantiene
una
interacción
limitada
con
estas
herramientas
o
que
no
las
utiliza regularmente con finalidades educativas.
Los resultados permiten, por tanto, identificar
una población heterogénea en cuanto al grado
de
integración
de
IA
en
las
actividades
de
aprendizaje.
Para
profundizar
en
el
comportamiento de la variable independiente se
analizaron
separadamente
las
cuatro
dimensiones definidas en la operacionalización.
Este
procedimiento
permitió
determinar
si
la
inteligencia
artificial
era
utilizada
principalmente
como
recurso
de
consulta,
mecanismo
de
personalización,
medio
de
retroalimentación
o
instrumento
de
apoyo
académico.
Las
puntuaciones
obtenidas
mostraron
diferencias
entre
estas
dimensiones,
particularmente a favor del apoyo académico y
la interacción y retroalimentación. En contraste,
la personalización del aprendizaje presentó una
puntuación
comparativamente
menor,
lo
cual
sugiere que los estudiantes utilizan con mayor
frecuencia
la
IA
para
resolver
necesidades
académicas
concretas
que
para
adaptar
sistemáticamente
los
contenidos
a
sus
características individuales.
Tabla 3.
Estadísticos descriptivos de las dimensiones del uso pedagógico de inteligencia artificial.
Dimensión
Media
DE
Nivel predominante
Uso y finalidad educativa
3,54
0,72
Medio
Personalización del aprendizaje
3,38
0,76
Medio
Interacción y retroalimentación
3,67
0,69
Alto
Apoyo académico
3,72
0,71
Alto
Variable global: uso pedagógico de IA
3,58
0,64
Medio
Fuente: Elaboración propia.
Como
se
observa
en
la
Tabla
3,
el
apoyo
académico obtuvo la media más elevada (M =
3,72; DE = 0,71), seguido por la interacción y
retroalimentación (M = 3,67; DE = 0,69). Estos
resultados
indican
que
los
estudiantes
emplearon
las
herramientas
inteligentes
principalmente
para
apoyar
la
realización
de
actividades,
comprender
contenidos,
practicar
conocimientos,
resolver
dudas
y
recibir
respuestas
de
manera
inmediata.
El
uso
y
finalidad educativa alcanzó una media de 3,54
(DE = 0,72), situándose en un nivel intermedio,
mientras que la personalización del aprendizaje
presentó la puntuación más baja (M = 3,38; DE
= 0,76). La media global de 3,58 refleja un nivel
moderado
de
incorporación
educativa
de
la
inteligencia artificial. Esta distribución permite
observar
que
las
funcionalidades
de
carácter
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 10.1
Edición Especial X 2026
Página 516
inmediato
y
operativo
presentan
mayor
presencia
que
aquellas
relacionadas
con
procesos
adaptativos
y
personalizados.
Por
consiguiente, los estudiantes parecen utilizar la
IA
predominantemente
como
herramienta
complementaria
para
resolver
necesidades
académicas
específicas.
Posteriormente
se
examinó la variable aprendizaje, considerando
las
puntuaciones
obtenidas
en
comprensión
y
adquisición
de
conocimientos,
aplicación
y
resolución
de
problemas,
autonomía
y
desempeño
académico.
Los
resultados
evidenciaron
una
distribución
predominantemente
favorable,
aunque
nuevamente concentrada en el nivel medio. La
clasificación
general
mostró
que
aproximadamente un tercio
de los
estudiantes
alcanzó un nivel alto, mientras que menos de
una quinta parte permaneció en el nivel bajo.
Esta
distribución
resulta
relevante
para
el
objetivo
de
la
investigación,
debido
a
que
permite
posteriormente
contrastar
si
las
diferencias
observadas
en
aprendizaje
mantienen
una
asociación
estadística
con
los
niveles
de
utilización
pedagógica
de
inteligencia artificial. Los resultados globales se
presentan en la Tabla 4.
Tabla 4.
Nivel de aprendizaje de los estudiantes.
Nivel
Frecuencia
Porcentaje
Bajo
17
16,2 %
Medio
54
51,4 %
Alto
34
32,4 %
Total
105
100,0 %
Fuente: Elaboración propia.
Los
datos
de
la
Tabla
4
evidencian
que
54
estudiantes
(51,4
%)
se
ubicaron
en
el
nivel
medio de aprendizaje, mientras que 34 (32,4 %)
alcanzaron
el
nivel
alto
y
17
(16,2
%)
permanecieron en el nivel bajo. De esta manera,
el 83,8 % de los estudiantes se concentró entre
los
niveles
medio
y
alto.
Aunque
estos
resultados
describen
una
tendencia
favorable,
no resulta metodológicamente correcto atribuir
esta
distribución
exclusivamente
al
uso
de
inteligencia artificial, puesto que el aprendizaje
puede
encontrarse
relacionado
con
múltiples
factores
personales,
pedagógicos
y
contextuales.
La
distribución
obtenida
proporciona,
sin
embargo,
una
base
adecuada
para
examinar
posteriormente
la
correspondencia
entre
ambas
variables.
La
similitud
observada
entre
las
distribuciones
generales
del
uso
pedagógico
de
IA
y
el
aprendizaje
sugirió
preliminarmente
la
posibilidad de una asociación positiva, hipótesis
que
fue
examinada
mediante
análisis
inferencial. Para complementar estos resultados
se analizaron las cuatro dimensiones específicas
del aprendizaje.
Tabla 5.
Estadísticos descriptivos de las dimensiones del aprendizaje.
Dimensión
Media
DE
Nivel predominante
Comprensión y adquisición de conocimientos
3,69
0,67
Alto
Aplicación y resolución de problemas
3,56
0,73
Medio
Autonomía en el aprendizaje
3,48
0,75
Medio
Desempeño académico
3,64
0,70
Alto
Variable global: aprendizaje
3,59
0,62
Medio
Fuente: Elaboración propia.
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 10.1
Edición Especial X 2026
Página 517
El análisis dimensional presentado en la Tabla
5 muestra que la comprensión y adquisición de
conocimientos
alcanzó
la
media
más
elevada
(M
=
3,69;
DE
=
0,67),
seguida
por
el
desempeño académico (M = 3,64; DE = 0,70).
La
aplicación
y
resolución
de
problemas
registró
una
media
de
3,56
(DE
=
0,73),
mientras
que
la
autonomía
en
el
aprendizaje
presentó
la
puntuación
comparativamente
menor (M = 3,48; DE = 0,75).
La puntuación global de aprendizaje fue de 3,59
(DE = 0,62), correspondiente a un nivel medio.
Estos resultados muestran que los participantes
presentaron
mejores
valoraciones
en
aspectos
vinculados con la comprensión de contenidos y
el cumplimiento de las actividades académicas
que en procesos relacionados con la autonomía.
Esta
diferencia
resulta
importante
porque
una
utilización
pedagógicamente
adecuada
de
IA
debería
contribuir
no
solamente
a
facilitar
la
comprensión
inmediata,
sino
también
a
favorecer
progresivamente
la
capacidad
del
estudiante
para
resolver
tareas
con
independencia.
Por
tanto,
la
autonomía
constituye una dimensión que requiere especial
atención al interpretar los posibles beneficios y
limitaciones de la utilización educativa de estas
tecnologías.
Antes de realizar el contraste de las
hipótesis
se
examinó
la
distribución
de
las
puntuaciones
correspondientes
a
las
dos
variables mediante la prueba de Kolmogorov-
Smirnov. Los resultados mostraron valores de
significación
inferiores
a
0,05
tanto
para
uso
pedagógico de inteligencia artificial como para
aprendizaje,
indicando
que
las
distribuciones
presentaban
desviaciones
estadísticamente
significativas
respecto
de
la
normalidad.
Considerando
estos
resultados,
la
naturaleza
ordinal de los reactivos originales y el objetivo
correlacional
del
estudio,
se
seleccionó
el
coeficiente rho de Spearman para examinar la
asociación
entre
las
variables.
Esta
decisión
permitió
mantener
correspondencia
entre
las
características de los datos y el procedimiento
inferencial utilizado.
Tabla 6
. Prueba de normalidad de las variables.
Variable
Kolmogorov-Smirnov
gl
p
Uso pedagógico de inteligencia artificial
0,094
105
0,023
Aprendizaje
0,101
105
0,010
Fuente: Elaboración propia.
Los
valores
presentados
en
la
Tabla
6
determinaron
la
utilización
de
estadística
inferencial
no
paramétrica.
Posteriormente
se
calculó el coeficiente rho de Spearman entre la
puntuación
global
del
uso
pedagógico
de
inteligencia artificial y la puntuación global del
aprendizaje. El análisis mostró una asociación
positiva
y
estadísticamente
significativa
entre
ambas variables (ρ = 0,638; p < 0,001). El signo
positivo
indica
que
los
estudiantes
que
presentaron
puntuaciones
superiores
en
utilización pedagógica de IA tendieron también
a
presentar
puntuaciones
superiores
en
los
indicadores de aprendizaje.
Tabla 7.
Correlación entre uso pedagógico de inteligencia artificial y aprendizaje.
Variables relacionadas
ρ de Spearman
p
n
Interpretación
Uso pedagógico de IA – Aprendizaje
0,638
<
0,001
105
Positiva y estadísticamente significativa
Fuente: Elaboración propia.
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 10.1
Edición Especial X 2026
Página 518
La
magnitud
observada
evidencia
una
asociación
sustantiva
dentro
de
la
población
analizada y permite rechazar la hipótesis nula
formulada para el estudio. Sin embargo, debido
al
diseño
no
experimental
y
transversal,
este
resultado debe interpretarse como asociación y
no
como
demostración
de
causalidad.
El
coeficiente obtenido (ρ = 0,638) permite aceptar
la
hipótesis
de
investigación
y
rechazar
la
hipótesis
nula,
debido
a
que
la
asociación
presentó
significación
estadística
inferior
al
nivel crítico establecido (p < 0,05).
En términos educativos, los resultados indican
que
una
mayor
utilización
de
la
inteligencia
artificial
con
finalidades
académicas
se
encuentra
asociada
con
mejores
niveles
de
comprensión,
aplicación
de
conocimientos,
autonomía y desempeño percibido. No obstante,
el
coeficiente
tampoco
representa
una
correspondencia perfecta entre las variables, lo
cual demuestra que el aprendizaje no depende
exclusivamente
de
la
utilización
de
herramientas inteligentes. Existen otros factores
relacionados con características personales del
estudiante,
prácticas
docentes,
conocimientos
previos,
motivación,
condiciones
familiares
y
acceso tecnológico que pueden intervenir en los
resultados
educativos.
Por
esta
razón,
la
magnitud
de
la
asociación
debe
interpretarse
dentro de las características particulares de la
población
estudiada.
El
hallazgo
central
respalda la existencia de una relación relevante
entre
ambas
variables,
pero
no
autoriza
a
afirmar que la IA sea por sí sola la causa de las
diferencias
de
aprendizaje
observadas.
Se
analizaron las relaciones entre cada dimensión
del uso pedagógico de IA y la puntuación global
de aprendizaje, con el propósito de determinar
cuáles
componentes
presentaban
las
asociaciones
de
mayor
magnitud.
Los
resultados evidenciaron correlaciones positivas
y estadísticamente significativas en las cuatro
dimensiones.
La
interacción
y
retroalimentación
presentó
la
asociación
más
elevada, seguida por el apoyo académico y la
personalización del aprendizaje. Aunque el uso
y
finalidad
educativa
también
mostró
una
relación
estadísticamente
significativa,
su
coeficiente fue comparativamente menor. Estos
resultados
permiten
precisar
que
no
todas
las
formas de utilización de inteligencia artificial se
relacionan
con
el
aprendizaje
con
la
misma
intensidad.
Tabla 8.
Correlación entre las dimensiones del uso pedagógico de IA y el aprendizaje.
Dimensión de IA
ρ de Spearman con aprendizaje
p
Interpretación
Uso y finalidad educativa
0,462
< 0,001
Positiva significativa
Personalización del aprendizaje
0,518
< 0,001
Positiva significativa
Interacción y retroalimentación
0,601
< 0,001
Positiva significativa
Apoyo académico
0,574
< 0,001
Positiva significativa
Fuente: Elaboración propia.
Los resultados de la Tabla 8 muestran que la
interacción
y
retroalimentación
presentó
la
asociación
de
mayor
magnitud
con
el
aprendizaje (ρ = 0,601; p < 0,001), seguida por
el apoyo académico (ρ = 0,574; p < 0,001) y la
personalización del aprendizaje (ρ = 0,518; p <
0,001). Por su parte, el uso y finalidad educativa
registró
una
asociación
positiva
de
menor
magnitud
(ρ
=
0,462;
p
<
0,001).
Este
comportamiento
permite
identificar
que
la
relación
entre
inteligencia
artificial
y
aprendizaje no parece depender exclusivamente
de
la
frecuencia
con
la
que
los
estudiantes
utilizan estas tecnologías, sino de las funciones
pedagógicas
que
cumplen
durante
el
proceso
educativo.
Particularmente,
la
posibilidad
de
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 10.1
Edición Especial X 2026
Página 519
resolver
dudas,
obtener
explicaciones
adicionales y recibir retroalimentación presenta
una
asociación
más
pronunciada
con
los
indicadores
de
aprendizaje.
Los
hallazgos
sugieren, por tanto, que la calidad y finalidad
pedagógica
de
la
interacción
con
IA
poseen
mayor relevancia educativa que su utilización
meramente
frecuente.
En
conjunto,
los
resultados
proporcionan
evidencia
estadística
favorable para la hipótesis planteada y permiten
sostener que, dentro de la población estudiada,
el
uso
pedagógico
de
inteligencia
artificial
se
encuentra
positiva
y
significativamente
relacionado
con
el
aprendizaje
de
los
estudiantes de educación básica.
Los resultados
obtenidos evidenciaron una relación positiva y
estadísticamente
significativa
entre
el
uso
pedagógico
de
inteligencia
artificial
y
el
aprendizaje
de
los
estudiantes
de
educación
básica
de
la
institución
educativa
Federico
González Suárez (ρ = 0,638; p < 0,001), lo que
permitió respaldar la hipótesis de investigación
planteada.
Este
hallazgo
indica
que
los
estudiantes
que
registraron
mayores
niveles
de
utilización
educativa
de
herramientas
de
IA
tendieron
también
a
presentar
mejores
puntuaciones
en
comprensión,
aplicación
de
conocimientos,
autonomía
y
desempeño
académico.
La
magnitud
de
la
asociación
resulta
suficientemente relevante para considerar que la
integración
pedagógica
de
estas
tecnologías
constituye
un
factor
relacionado
con
las
experiencias
de
aprendizaje
de
la
población
estudiada,
aunque
no
permite
atribuirle
una
relación
causal
debido
al
carácter
no
experimental y transversal de la investigación.
Los
resultados
guardan
correspondencia
con
Zhou
et
al.
(2024)
quienes,
mediante
una
revisión
sistemática
de
25
estudios
desarrollados
en
contextos
K-12,
encontraron
efectos favorables de la educación relacionada
con
IA
sobre
alfabetización
tecnológica,
resolución
de
problemas,
reflexión
ética,
motivación y actitudes hacia estas tecnologías.
De
forma
semejante,
Liu
y
Zhong
(2024),
después
de
analizar
45
investigaciones
empíricas sobre educación en IA en niveles K-
12,
concluyeron
que
estas
experiencias
presentan
potencial
para
favorecer
conocimientos,
pensamiento
y
dimensiones
afectivas
del
aprendizaje.
Esta
coincidencia
permite interpretar que la relación
encontrada
en
la
institución
estudiada
no
constituye
un
comportamiento
aislado,
sino
que
se
inserta
dentro
de
una
tendencia
documentada
por
investigaciones
internacionales
recientes.
No
obstante,
la
heterogeneidad
metodológica
identificada en la literatura aconseja mantener
una
interpretación
contextualizada
de
los
resultados
y
evitar
generalizaciones
que
excedan las características de los participantes
analizados.
El
predominio
del
nivel
medio
en
el
uso
pedagógico de inteligencia artificial, registrado
en el 53,3 % de los estudiantes, constituye otro
resultado
relevante
porque
demuestra
que
la
incorporación de estas tecnologías se encuentra
presente
en
las
actividades
educativas,
pero
todavía
no
alcanza
un
grado
elevado
y
homogéneo en toda la población. El hecho de
que solamente el 29,5 % se ubicara en el nivel
alto y que un 17,1 % permaneciera en el nivel
bajo refleja diferencias en las formas de acceso,
frecuencia de utilización, conocimiento de las
herramientas y capacidad para integrarlas con
propósitos académicos.
Estos resultados pueden interpretarse a partir de
lo
señalado
por
Liu
y
Zhong
(2024),
quienes
sostienen que la educación relacionada con IA
en
K-12
todavía
presenta
desafíos
asociados
con
el
diseño
instruccional,
disponibilidad
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 10.1
Edición Especial X 2026
Página 520
tecnológica,
selección
de
herramientas
y
adecuación
de
las
experiencias
a
las
características
de
los
estudiantes.
De
manera
similar,
las
revisiones
recientes
sobre
herramientas de
IA para estudiantes escolares
muestran
que
su
efectividad
no
depende
exclusivamente
de
disponer
de
la
tecnología,
sino de la existencia de estrategias pedagógicas
y
recursos
apropiados
para
las
edades
y
objetivos de aprendizaje correspondientes. Por
consiguiente,
la
presencia
de
herramientas
inteligentes
entre
los
estudiantes
no
debe
equipararse
automáticamente
con
una
integración
pedagógica
consolidada.
El
predominio del nivel medio identificado en esta
investigación
sugiere
precisamente
un
escenario de transición, en el cual la inteligencia
artificial comienza a incorporarse a las prácticas
académicas,
pero
todavía
requiere
orientación
sistemática
para
que
su
utilización
trascienda
las
consultas
ocasionales
o
la
resolución
inmediata de tareas. Esta situación refuerza la
necesidad
de
desarrollar
competencias
específicas
para
utilizar
estas
tecnologías
con
criterios académicos, críticos y éticos.
El
análisis
de
las
dimensiones
de
la
variable
independiente mostró que el apoyo académico
(M = 3,72) y la interacción y retroalimentación
(M
=
3,67)
alcanzaron
las
puntuaciones
más
elevadas,
lo
que
permite
identificar
las
funciones de IA que poseen mayor presencia en
las
experiencias
de
los
participantes.
Este
comportamiento
sugiere
que
los
estudiantes
valoran
particularmente
la
posibilidad
de
obtener explicaciones, resolver dudas, practicar
contenidos y disponer de orientación inmediata
durante sus actividades escolares.
La
literatura
científica
ofrece
elementos
que
respaldan esta interpretación, debido a que las
aplicaciones educativas de IA pueden facilitar
procesos interactivos en los cuales el estudiante
recibe
respuestas
y
recursos
ajustados
a
las
consultas
realizadas.
Las
revisiones
desarrolladas
en
contextos
K-12
han
identificado
precisamente
el
uso
de
sistemas
inteligentes,
agentes
educativos
y
diferentes
herramientas
interactivas
como
recursos
con
posibilidades
para
apoyar
procesos
de
aprendizaje.
Zhou
et
al.
(2024)
encontraron
que
las
estrategias
prácticas
y
centradas
en
la
participación
del
estudiante
presentan
resultados
favorables
en
la
enseñanza
relacionada con inteligencia artificial, mientras
que Dai et al. (2024), mediante el análisis de 47
estudios
empíricos,
destacaron
que
las
tareas
prácticas
adecuadamente
diseñadas
pueden
favorecer comprensión profunda y compromiso
con el aprendizaje. Los resultados obtenidos en
Federico
González
Suárez
permiten
ampliar
esta interpretación al mostrar que no solamente
la
presencia
de
IA,
sino
especialmente
sus
posibilidades de interacción y apoyo mantienen
asociaciones relevantes con el aprendizaje. Por
tanto,
el
potencial
educativo
de
estas
tecnologías
parece
incrementarse
cuando
funcionan
como
recursos
de
acompañamiento
cognitivo y no únicamente como mecanismos
automatizados de generación de respuestas.
Esta
interpretación
se
fortalece
al
considerar
que
la
dimensión
interacción
y
retroalimentación
presentó
la
correlación
más
elevada
con
el
aprendizaje
(ρ
=
0,601;
p
<
0,001),
seguida
por
el
apoyo
académico
(ρ
=
0,574; p < 0,001). El resultado evidencia que las
dimensiones
relacionadas
con
el
acompañamiento directo durante las actividades
presentan asociaciones más pronunciadas que la
simple
frecuencia
o
finalidad
general
de
utilización,
cuya
correlación
fue
comparativamente
menor
(ρ
=
0,462;
p
<
0,001).
Esta
diferencia
constituye
uno
de
los
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 10.1
Edición Especial X 2026
Página 521
principales aportes del estudio, porque permite
desplazar la discusión desde la pregunta acerca
de
cuánto
utilizan
los
estudiantes
la
IA
hacia
otra pedagógicamente más relevante: para qué y
cómo la utilizan. La evidencia revisada por Liu
y
Zhong
(2024)
destaca
precisamente
la
importancia
del
involucramiento
docente,
los
apoyos
estructurados
y
el
diseño
de
experiencias
auténticas
para
mejorar
las
posibilidades educativas de la IA en contextos
K-12. Asimismo, Dai et al. (2024) advierten que
los
resultados
positivos
se
encuentran
estrechamente relacionados con el diseño de las
tareas,
mientras
que
persisten
dificultades
vinculadas con la comprensión conceptual y la
preparación de estudiantes y profesores.
Desde esta perspectiva, utilizar frecuentemente
una
herramienta
generativa
para
obtener
respuestas terminadas no necesariamente posee
el
mismo
valor
educativo
que
emplearla
para
solicitar
explicaciones,
analizar
errores,
contrastar
alternativas
o
practicar
procedimientos.
Los
hallazgos
sugieren,
por
tanto, que las instituciones educativas deberían
priorizar
la
calidad
pedagógica
de
las
interacciones
con
IA
antes
que
promover
simplemente
una
mayor
frecuencia
de
utilización tecnológica.
Respecto de la variable aprendizaje, el 51,4 %
de los participantes se ubicó en el nivel medio y
el
32,4
%
alcanzó
el
nivel
alto,
mientras
que
únicamente el 16,2 % permaneció en el nivel
bajo.
Las
dimensiones
con
puntuaciones
superiores fueron comprensión y adquisición de
conocimientos
(M
=
3,69)
y
desempeño
académico
(M
=
3,64),
comportamiento
que
puede relacionarse con las posibilidades de las
herramientas
inteligentes
para
proporcionar
explicaciones
adicionales,
ejemplos,
reformulaciones y apoyo durante el desarrollo
de actividades.
Zhou
et
al.
(2024)
encontraron
que
las
experiencias
educativas
vinculadas
con
IA
pueden
producir
resultados
favorables
en
conocimientos
y
resolución
de
problemas,
además de dimensiones motivacionales y éticas.
Asimismo,
la
revisión
sistemática
sobre
enseñanza
y
aprendizaje
de
IA
en
K-12
desarrollada sobre 28 investigaciones empíricas
reportó que la mayoría de los estudios incluidos
identificaba
mejoras
tanto
en
resultados
cognitivos
como
afectivos,
aunque
reconocía
que
la
base
empírica
disponible
todavía
era
limitada. En el presente estudio, la coexistencia
de niveles predominantemente medios tanto en
utilización
de
IA
como
en
aprendizaje
puede
interpretarse
como
evidencia
de
que
las
tecnologías
inteligentes
funcionan
fundamentalmente
como
recursos
complementarios
dentro
de
un
ecosistema
educativo más amplio.
Los
resultados
académicos
continúan
dependiendo
de
múltiples
componentes,
entre
ellos
la
intervención
docente,
motivación,
conocimientos
previos,
estrategias
didácticas,
condiciones
familiares
y
disponibilidad
de
recursos.
En
consecuencia,
la
asociación
identificada debe comprenderse como parte de
una estructura multifactorial del aprendizaje y
no
como
evidencia
de
que
la
inteligencia
artificial pueda sustituir los demás componentes
del proceso educativo.
Un
resultado
que
requiere
especial
atención
corresponde a la autonomía en el aprendizaje,
debido a que presentó la puntuación más baja
entre
las
dimensiones
analizadas
(M
=
3,48),
aun
cuando
los
indicadores
generales
de
aprendizaje
mostraron
un
comportamiento
favorable. Esta diferencia puede representar una
tensión
característica
de
la
incorporación
de
inteligencia artificial en contextos escolares: las
herramientas pueden facilitar la comprensión y
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 10.1
Edición Especial X 2026
Página 522
proporcionar
apoyo
inmediato,
pero
esa
facilidad
no
garantiza
automáticamente
un
incremento proporcional de la capacidad para
aprender independientemente.
El
estudiante
podría
utilizar
la
IA
como
instrumento para explorar, contrastar y verificar
conocimientos, pero también podría desarrollar
patrones
de
dependencia
cuando
delega
sistemáticamente en el sistema la búsqueda de
respuestas,
elaboración
de
argumentos
o
resolución de actividades. Esta cuestión resulta
especialmente importante en educación básica,
etapa durante la cual continúan desarrollándose
capacidades de autorregulación, evaluación de
información y pensamiento crítico.
El Marco de competencias para estudiantes en
materia
de
IA
de
la
UNESCO
(Miao
et
al.,
2024) propone precisamente que la formación
escolar trascienda la utilización instrumental y
desarrolle
competencias
relacionadas
con
pensamiento centrado en el ser humano, ética,
comprensión
de
técnicas
y
aplicaciones
y
diseño
responsable
de
sistemas
de
IA.
En
consecuencia, los resultados obtenidos sugieren
que la integración educativa debería orientarse
a utilizar la IA como andamiaje temporal para
desarrollar
autonomía
y
no
como
sustituto
permanente del razonamiento del estudiante. La
capacidad
para
cuestionar,
verificar
y
eventualmente
prescindir
de
la
asistencia
automatizada en determinadas tareas constituye
un
indicador
relevante
de
aprendizaje
que
debería considerarse en futuras intervenciones.
La
asociación
positiva
identificada
tampoco
elimina los riesgos educativos relacionados con
el empleo inadecuado de inteligencia artificial,
particularmente cuando los estudiantes utilizan
sistemas
generativos
sin
suficiente
alfabetización
digital
o
acompañamiento
pedagógico. La capacidad de estas herramientas
para
producir
información
aparentemente
coherente puede conducir a aceptar contenidos
incorrectos,
sesgados
o
insuficientemente
fundamentados cuando el usuario no desarrolla
mecanismos
de
comprobación.
Por
ello,
los
resultados
favorables
obtenidos
deben
interpretarse conjuntamente con la necesidad de
fortalecer
competencias
para
evaluar
críticamente
las
respuestas
generadas.
UNESCO
(2024)
establece
12
competencias
estudiantiles
organizadas
en
dimensiones
relacionadas con una perspectiva centrada en el
ser
humano,
ética
de
la
IA,
técnicas
y
aplicaciones y diseño de sistemas, distribuidas
progresivamente
en
los
niveles
comprender,
aplicar
y
crear.
Esta
propuesta
resulta
particularmente
pertinente
para
interpretar
los
hallazgos
de
la
presente
investigación,
puesto
que
demuestra
que
una
integración
educativa
responsable
requiere
desarrollar
simultáneamente
competencias
tecnológicas,
cognitivas y éticas.
De
igual
manera,
Zhou
et
al.
(2024)
identificaron
la
reflexión
sobre
las
implicaciones éticas de la IA como uno de los
resultados
relevantes
de
las
experiencias
educativas
desarrolladas
en
K-12.
Por
consiguiente,
la
relación
favorable
observada
entre
IA
y
aprendizaje
no
debería
utilizarse
como
argumento
para
promover
una
incorporación
indiscriminada
de
estas
herramientas,
sino
para
justificar
estrategias
institucionales
que
enseñen
a
utilizarlas
de
manera reflexiva, verificable y académicamente
responsable.
En síntesis, los resultados permiten sostener que
el
uso
pedagógico
de
inteligencia
artificial
mantiene
una
relación
positiva
y
estadísticamente
significativa
con
el
aprendizaje de los estudiantes analizados, pero
evidencian simultáneamente que la naturaleza
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 10.1
Edición Especial X 2026
Página 523
de esa utilización resulta más importante que la
mera presencia de la tecnología. Las mayores
asociaciones
encontradas
en
interacción
y
retroalimentación y apoyo académico respaldan
una
concepción
de
la
IA
como
recurso
de
mediación capaz de complementar la actividad
cognitiva
del
estudiante
cuando
se
integra
dentro
de
tareas
pedagógicamente
estructuradas. Esta interpretación coincide con
las
revisiones
contemporáneas
que
destacan
resultados favorables de las experiencias de IA
en
K-12,
pero
que
simultáneamente
reclaman
diseños instruccionales rigurosos, participación
docente,
aprendizaje
contextualizado
y
mayor
evidencia
longitudinal
(Liu
&
Zhong,
2024;
Zhou et al., 2024; Dai et al., 2024). La principal
implicación pedagógica consiste, por tanto, en
que
las
instituciones
no
deberían
limitar
sus
estrategias
a
proporcionar
acceso
a
herramientas
inteligentes,
sino
desarrollar
modelos
de
utilización
orientados
hacia
comprensión,
resolución
de
problemas,
pensamiento crítico, autonomía y alfabetización
en IA.
Como
limitaciones
del
estudio
deben
reconocerse
su
diseño
transversal
y
no
experimental,
la
utilización
de
medidas
principalmente
autorreportadas
y
la
concentración de los participantes en una única
institución
educativa,
circunstancias
que
restringen
la
inferencia
causal
y
la
generalización
de
los
resultados.
Futuras
investigaciones
deberían
incorporar
diseños
cuasiexperimentales
o
longitudinales,
indicadores
objetivos
de
rendimiento
académico
y
comparaciones
entre
grupos
con
diferentes modalidades de utilización de IA. A
pesar
de
estas
limitaciones,
los
hallazgos
aportan evidencia contextualizada que respalda
la
pertinencia
de
continuar
investigando
la
integración pedagógica de inteligencia artificial
en
educación
básica
desde
una
perspectiva
centrada
no
solamente
en
la
innovación
tecnológica,
sino
fundamentalmente
en
la
calidad del aprendizaje.
Conclusiones
La investigación permitió determinar que existe
una
relación
positiva
y
estadísticamente
significativa
entre
el
uso
pedagógico
de
la
inteligencia
artificial
y
el
aprendizaje
de
los
estudiantes de educación básica de la institución
educativa
Federico
González
Suárez.
El
coeficiente
rho
de
Spearman
obtenido
(ρ
=
0,638;
p
<
0,001)
evidenció
que
mayores
puntuaciones
en
la
utilización
educativa
de
herramientas
de
IA
estuvieron
asociadas
con
mejores
niveles
de
aprendizaje
dentro
de
la
población estudiada.
Este resultado permitió respaldar la hipótesis de
investigación
y
rechazar
la
hipótesis
nula,
confirmándose la existencia de una asociación
relevante entre ambas variables. Sin embargo,
debido al carácter no experimental y transversal
del estudio, los hallazgos no permiten establecer
que
la
inteligencia
artificial
constituya
por
sí
misma la causa de las diferencias encontradas
en el aprendizaje. En consecuencia, el impacto
analizado
debe
comprenderse
en
términos
de
asociación
educativa
dentro
del
contexto
investigado y considerando la intervención de
otros
factores
pedagógicos,
personales
y
tecnológicos.
El
uso
pedagógico
de
inteligencia
artificial
presentó
predominantemente
un
nivel
medio,
identificado
en
el
53,3
%
de
los
estudiantes,
mientras que el 29,5 % alcanzó un nivel alto y
el
17,1
%
se
ubicó
en
el
nivel
bajo.
Estos
resultados
demuestran
que
las
herramientas
inteligentes poseen una presencia considerable
en
las
actividades
académicas
de
los
participantes, aunque su utilización todavía no
se encuentra consolidada de manera homogénea
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 10.1
Edición Especial X 2026
Página 524
en
toda
la
población.
Las
dimensiones
con
mayores
puntuaciones
fueron
el
apoyo
académico y la interacción y retroalimentación,
lo
que
evidencia
que
los
estudiantes
recurren
principalmente
a
estas
tecnologías
para
comprender
contenidos,
resolver
dudas,
practicar
conocimientos
y
obtener
orientación
durante
el
desarrollo
de
sus
actividades.
La
personalización
del
aprendizaje
presentó
una
valoración
comparativamente
inferior,
indicando que las posibilidades adaptativas de
la IA todavía podrían estar siendo aprovechadas
de manera limitada. Por consiguiente, el desafío
institucional
no
consiste
exclusivamente
en
ampliar el acceso a estas herramientas, sino en
fortalecer
las
capacidades
necesarias
para
utilizarlas
con
finalidades
pedagógicas
claramente definidas.
En
relación
con
el
aprendizaje,
se
determinó
que
el
51,4
%
de
los
estudiantes
presentó
un
nivel medio y el 32,4 % alcanzó un nivel alto,
mientras que el 16,2 % se ubicó en el nivel bajo.
Las mayores puntuaciones correspondieron a la
comprensión y adquisición de conocimientos y
al
desempeño
académico,
evidenciándose
una
valoración
favorable
de
los
procesos
relacionados con la asimilación de contenidos y
el cumplimiento de las actividades escolares.
No
obstante,
la
autonomía
en
el
aprendizaje
presentó
la
media
más
baja
entre
las
dimensiones
estudiadas,
aspecto
que
requiere
especial
consideración
ante
el
crecimiento
de
herramientas
capaces
de
proporcionar
respuestas y soluciones de manera inmediata. El
empleo
educativo
de
IA
debe
contribuir
progresivamente
a
que
los
estudiantes
comprendan, analicen, contrasten y produzcan
conocimientos por sí mismos, evitando que la
asistencia tecnológica se convierta en sustituto
permanente
del
esfuerzo
cognitivo.
En
este
sentido, los resultados evidencian la necesidad
de equilibrar las facilidades proporcionadas por
la
inteligencia
artificial
con
estrategias
orientadas
al
desarrollo
de
independencia
intelectual
y
autorregulación.
El
análisis
por
dimensiones
permitió
establecer
que
la
interacción
y
retroalimentación
presentó
la
asociación más elevada con el aprendizaje (ρ =
0,601;
p
<
0,001),
seguida
por
el
apoyo
académico
(ρ
=
0,574;
p
<
0,001),
la
personalización del aprendizaje (ρ = 0,518; p <
0,001) y el uso y finalidad educativa (ρ = 0,462;
p < 0,001). Estas diferencias permiten concluir
que
la
contribución
educativa
potencial
de
la
inteligencia artificial se
encuentra relacionada
en mayor medida con la calidad y finalidad de
su
utilización
que
con
su
simple
presencia
o
frecuencia de uso.
Las
funciones
que
permiten
resolver
dudas,
recibir
explicaciones,
identificar
errores
y
complementar
las
actividades
académicas
mostraron asociaciones más pronunciadas con
los
indicadores
de
aprendizaje.
Por
tanto,
incrementar indiscriminadamente el tiempo de
interacción
con
herramientas
inteligentes
no
constituye
por
sí
mismo
una
estrategia
educativa
suficiente.
La
incorporación
institucional
de
IA
debería
priorizar
experiencias
estructuradas
en
las
que
la
tecnología
funcione
como
apoyo
para
el
razonamiento
y
la
construcción
del
conocimiento.
Los hallazgos permiten concluir igualmente que
la
mediación
docente
conserva
un
papel
fundamental dentro de los procesos educativos
apoyados
por
inteligencia
artificial.
Aunque
estas
herramientas
pueden
proporcionar
recursos, explicaciones y retroalimentación de
manera
inmediata,
corresponde
al
docente
definir los propósitos pedagógicos, diseñar las
actividades, orientar la evaluación crítica de las
respuestas y determinar cuándo la utilización de
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 10.1
Edición Especial X 2026
Página 525
IA
favorece
realmente
los
objetivos
de
aprendizaje.
Esta
función
adquiere
particular
importancia en educación básica, debido a que
los
estudiantes
se
encuentran
desarrollando
progresivamente
autonomía,
pensamiento
crítico, competencias digitales y criterios para
diferenciar información confiable de contenidos
incorrectos.
La
incorporación
educativa
de
inteligencia
artificial
debe
acompañarse,
por
tanto, de alfabetización en IA, normas de uso
académico responsable y actividades orientadas
a
comprobar
y
contrastar
la
información
generada. Desde esta perspectiva, la tecnología
no
sustituye
la
intervención
pedagógica,
sino
que
modifica
algunas
de
sus
posibilidades
y
exige nuevas competencias tanto de estudiantes
como de docentes.
El
estudio
permitió
responder
al
objetivo
planteado
al
establecer
empíricamente
la
asociación existente entre el uso pedagógico de
inteligencia artificial y el aprendizaje de los 105
estudiantes
participantes.
Los
resultados
respaldan
la
pertinencia
de
incorporar
estas
tecnologías
dentro
de
las
prácticas
educativas
cuando
su
utilización
se
encuentre
vinculada
con
objetivos
curriculares,
acompañamiento
docente,
pensamiento
crítico
y
desarrollo
de
autonomía.
Sin
embargo,
las
conclusiones
deben interpretarse dentro de las características
de
la
investigación,
particularmente
su
realización en una sola institución, el carácter
transversal
de
la
medición
y
el
empleo
de
información
principalmente
autorreportada.
Estas
limitaciones
impiden
generalizar
automáticamente
los
resultados
hacia
toda
la
población
de
educación
básica
o
establecer
relaciones de causa y efecto.
Se
considera
pertinente
que
futuras
investigaciones
incorporen
diseños
longitudinales,
cuasiexperimentales
o
experimentales,
grupos
de
comparación
e
indicadores
objetivos
de
rendimiento
académico que permitan determinar con mayor
precisión
los
efectos
atribuibles
a
diferentes
modalidades
de
utilización
de
inteligencia
artificial.
En
conjunto,
la
evidencia
obtenida
permite
considerar
la
IA
como
un
recurso
educativo
potencialmente
relevante,
siempre
que
su
incorporación
se
oriente
hacia
el
fortalecimiento
del
aprendizaje
y
preserve
el
protagonismo cognitivo del estudiante.
Referencias bibliográficas
Kasneci,
E.,
Sessler,
K.,
Küchemann,
S.,
Bannert,
M.,
Dementieva,
D.,
Fischer,
F.,
Gasser,
U.,
Groh,
G.,
Günnemann,
S.,
Hüllermeier, E., Krusche, S., Kutyniok, G.,
Michaeli, T., Nerdel, C., Pfeffer, J., Poquet,
O.,
Sailer,
M.,
Schmidt,
A.,
Seidel,
T.,
Stadler, M., Weller, J., Kuhn, J., & Kasneci,
G.
(2023).
ChatGPT
for
good?
On
opportunities
and
challenges
of
large
language models for education.
Learning and
Individual
Differences,
103
,
102274.
https://doi.org/10.1016/j.lindif.2023.102274
Lee,
S.,
&
Kwon,
K.
(2024).
A
systematic
review of AI education in K-12 classrooms
from
2018
to
2023:
Topics,
strategies,
and
learning
outcomes.
Computers
and
Education: Artificial Intelligence, 6
, 100211.
https://doi.org/10.1016/j.caeai.2024.100211
Li, L., Yu, F., & Zhang, E. (2024). A systematic
review of learning task design for K-12 AI
education:
Trends,
challenges,
and
opportunities.
Computers
and
Education:
Artificial
Intelligence,
6
,
100217.
https://doi.org/10.1016/j.caeai.2024.100217
Liu,
X.,
&
Zhong,
B.
(2024).
A
systematic
review on how educators teach AI in
K-12
education.
Educational Research Review, 45
,
100642.
https://doi.org/10.1016/j.edurev.2024.10064
2
Lo, C. (2023). What is the impact of ChatGPT
on
education?
A
rapid
review
of
the
literature.
Education
Sciences,
13
(4),
410.
https://doi.org/10.3390/educsci13040410
Long, D., & Magerko, B. (2020). What is AI
literacy?
Competencies
and
design
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 10.1
Edición Especial X 2026
Página 526
considerations.
In
Proceedings
of
the
2020
CHI
Conference
on
Human
Factors
in
Computing Systems
(pp. 1–16). Association
for
Computing
Machinery.
https://doi.org/10.1145/3313831.3376727
Martin, F., Zhuang, M., & Schaefer, D. (2024).
Systematic
review
of
research
on
artificiantelligence in K-12 education (2017–
2022).
Computers and Education: Artificial
Intelligence,
6
,
100195.
https://doi.org/10.1016/j.caeai.2023.100195
Miao, F., & Holmes, W. (2023).
Guidance for
generative
AI
in
education
and
research
.
UNESCO.
Miao,
F.,
Shiohira,
K.,
&
Lao,
N.
(2024).
AI
competency
framework
for
students
.
UNESCO.
https://doi.org/10.54675/JKJB9835
Tlili,
A.,
Shehata,
B.,
Adarkwah,
M.
A.,
Bozkurt,
A.,
Hickey,
D.
T.,
Huang,
R.,
&
Agyemang, B. (2023). What if the devil is my
guardian angel: ChatGPT as a case study of
using chatbots in education.
Smart Learning
Environments,
10
,
15.
https://doi.org/10.1186/s40561-023-00237-x
Wang, S., Wang, F., Zhu, Z., Wang, J., Tran, T.,
&
Du,
Z.
(2024).
Artificial
intelligence
in
education:
A
systematic
literature
review.
Expert
Systems
with
Applications,
252
,
124167.
https://doi.org/10.1016/j.eswa.2024.124167
Zhang,
P.
(2024).
A
systematic
review
of
ChatGPT use in
K-12
education.
European
Journal
of
Education,
59
,
e12599.
https://doi.org/10.1111/ejed.12599
Esta obra está bajo una licencia de
Creative Commons Reconocimiento-No Comercial
4.0
Internacional.
Copyright
©
Klever
Edison
Toapanta
Chango,
Inés
María
Yanchaluisa
Chicaiza,
Carina
Elizabeth
Porras
Bermejo
y
Segundo Maisanchi Zuñiga.
Declaraciones éticas y editoriales del artículo
Contribución de los autores (Taxonomía CRediT)
Klever Edison Toapanta Chango: 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.
Inés María Yanchaluisa Chicaiza: curación y organización de los datos, participación en la recolección de información.
Carina Elizabeth Porras Bermejo: validación de los resultados obtenidos y elaboración de representaciones gráficas y visualización de los datos.
Segundo Maisanchi Zuñiga: 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.
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. 10.1
Edición Especial X 2026
Página 527
