CAPACITACIÓN DOCENTE EN INTELIGENCIA ARTIFICIAL GENERATIVA PARA LA
FORMACIÓN TÉCNICA Y PROFESIONAL
TEACHER TRAINING IN GENERATIVE ARTIFICIAL INTELLIGENCE FOR
TECHNICAL AND VOCATIONAL EDUCATION
Autores:
¹Stalin Adrián Huera Paltan, ²Dayron Rumbaut Rangel.
¹ORCID ID:
https://orcid.org/0009-0002-9784-6557
²ORCID ID:
https://orcid.org/0009-0001-9087-0979
¹E-mail de contacto:
sahuerap@ube.edu.ec
²E-mail de contacto:
drumbautr@ube.edu.ec
¹Licenciada en Ciencias Policiales y Seguridad Ciudadana, graduada de la Universidad Central del Ecuador, (Ecuador), con 9 años de
experiencia laboral. Maestrante de la Maestría en Pedagogía en Formación Técnica y Profesional de la Universidad Bolivariana del
Ecuador, (Ecuador).
²Licenciado
en
Ciencias
de
la
Computación,
graduado
de
la
Universidad
Central
Marta
Abreu
de
Las
Villas,
(Cuba).
Magíster
en
Tecnología e Innovación Educativa, graduada de la Universidad Tecnológica ECOTEC, (Ecuador). Magíster en Inteligencia Artificial
Aplicada, graduado de la Universidad de Guayaquil, (Ecuador).
Resumen
La presente investigación tuvo
como
objetivo
diseñar una propuesta de capacitación docente
en
inteligencia
artificial
generativa
para
fortalecer
las
prácticas
pedagógicas
de
los
docentes de tercero de bachillerato técnico del
Colegio Particular Rafael Galeth, ubicado en la
provincia de Orellana, Ecuador. Se desarrolló
bajo
un
enfoque
mixto,
con
un
diseño
no
experimental,
de
corte
transversal
y
alcance
descriptivo
y
propositivo.
La
población
y
muestra
efectiva
estuvo
conformada
por
14
docentes,
quienes
participaron
en
la
recopilación
de
información
mediante
encuestas
estructuradas,
entrevistas
semiestructuradas y fichas de observación. Los
resultados mostraron que el uso de inteligencia
artificial
para
diseñar
planes
de
clase
obtuvo
una media de 2,93, mientras que la elaboración
de recursos educativos personalizados alcanzó
una
media
de
3,36;
ambos
indicadores
se
ubicaron
en
un
nivel
medio.
Por
su
parte,
el
diseño
de
instrumentos
de
evaluación
obtuvo
una
media
de
3,79
y
la
diversificación
de
estrategias de enseñanza alcanzó 3,93, con una
clasificación alta en ambos casos. A partir del
diagnóstico,
se
diseñó
una
propuesta
de
capacitación
de
40
horas
académicas
estructurada
en
cinco
módulos,
orientada
a
fortalecer
las
competencias
digitales,
pedagógicas y éticas necesarias para integrar la
inteligencia artificial generativa en la educación
técnica. La propuesta fue valorada mediante el
juicio
de
tres
expertos
(promedio
global
de
4,68/5),
cuyas
observaciones
permitieron
ajustar
la
operatividad,
herramientas
y
mecanismos
de
evaluación
pre-test/post-test
antes de su implementación. Se concluye que la
propuesta constituye una alternativa formativa
pertinente
para
atender
las
necesidades
identificadas,
aunque
su
efectividad
deberá
evaluarse después de su aplicación.
Palabras
clave:
Inteligencia
artificial
generativa,
Capacitación
docente,
Innovación
pedagógica,
Competencias
digitales, Educación técnica.
Abstract
This
study aimed to design
a teacher training
proposal on generative artificial intelligence to
strengthen
the
pedagogical
practices
of
third-
year technical baccalaureate teachers at Colegio
Particular
Rafael
Galeth,
located
in
Orellana
Province,
Ecuador.
The
study
followed
a
mixed-methods
approach,
with
a
non-
experimental,
cross-sectional
design
and
a
descriptive
and
propositional
scope.
The
effective study sample consisted of 14 teachers,
who
participated
in
data
collection
through
structured surveys, semi-structured interviews,
and observation forms. The results showed that
the
use
of
artificial
intelligence
for
lesson
planning obtained a mean score of 2.93, while
the
development
of
personalized
educational
resources
reached
3.36;
both
indicators
were
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 11.1
Edición Especial XI 2026
Página 483
classified
at
a
medium
level.
In
contrast,
the
design
of
assessment
instruments
obtained
a
mean score of 3.79, and the diversification of
teaching
strategies
reached
3.93,
with
both
indicators classified at a high level. Based on
the diagnostic findings, a 40-hour five-module
teacher
training
proposal
was
designed
to
strengthen the digital, pedagogical, and ethical
competencies
required
to
integrate
generative
artificial
intelligence
into
technical
education.
The
proposal
was
assessed
through
expert
judgment
involving
three
specialists
(overall
mean
4.68/5),
whose
feedback
allowed
adjusting
operability,
tools,
and
pre-test/post-
test
evaluation
mechanisms
before
implementation.
It
is
concluded
that
the
proposal
represents
a
relevant
training
alternative
to
address
the
identified
needs;
however,
its
effectiveness
must
be
evaluated
after it has been implemented.
Keywords: Generative artificial intelligence,
Teacher
training,
Pedagogical
innovation,
Digital competencies, Technical education.
Sumario
Este
estudo
teve
como
objetivo
elaborar
uma
proposta
de
formação
docente
sobre
inteligência
artificial
generativa,
visando
fortalecer
as
práticas
pedagógicas
de
professores do terceiro ano do ensino técnico no
Colégio Particular Rafael Galeth, localizado na
província
de
Orellana,
Equador.
A
pesquisa
adotou uma abordagem de métodos mistos, com
um
delineamento
não
experimental
e
transversal, de caráter descritivo e propositivo.
A
amostra
do
estudo
foi
composta
por
14
professores,
que
participaram
da
coleta
de
dados por meio de questionários estruturados,
entrevistas
semiestruturadas
e
formulários
de
observação. Os resultados indicaram que o uso
de inteligência artificial para o planejamento de
aulas
obteve
uma
pontuação
média
de
2,93,
enquanto
o
desenvolvimento
de
recursos
educacionais
personalizados
alcançou
3,36;
ambos
os
indicadores
foram
classificados
em
um nível médio. Por outro lado, a elaboração de
instrumentos de avaliação obteve uma média de
3,79, e a diversificação de estratégias de ensino
atingiu 3,93, sendo ambos classificados em um
nível
alto.
Com
base
no
diagnóstico,
foi
elaborada uma proposta de formação docente de
40
horas,
estruturada
em
cinco
módulos,
voltada
ao
fortalecimento
das
competências
digitais, pedagógicas e éticas necessárias para
integrar
a
inteligência
artificial
generativa
ao
ensino
técnico.
A
proposta
foi
submetida
à
avaliação
de
especialistas
(média
geral
de
4,68/5), cujas contribuições permitiram ajustar
a
operacionalidade,
as
ferramentas
e
os
mecanismos de avaliação (pré-teste e pós-teste)
antes de sua implementação. Conclui-se que a
proposta constitui uma alternativa de formação
relevante
para
atender
às
necessidades
identificadas; contudo, sua eficácia deverá ser
avaliada após a sua implementação.
Palavras-chave:
Inteligência
artificial
generativa,
Formação
docente,
Inovação
pedagógica,
Competências
digitais,
Ensino
técnico.
Introducción
La transformación digital ha generado cambios
significativos
en
los
procesos
educativos,
particularmente en las formas de acceder a la
información,
desarrollar
conocimientos
y
diseñar
estrategias
de
enseñanza.
En
este
escenario,
la
inteligencia
artificial
(IA)
ha
adquirido
una
importancia
creciente
por
su
capacidad
para
procesar
información,
apoyar
determinadas
tareas
y
ofrecer
nuevas
posibilidades
para
la
enseñanza
y
el
aprendizaje.
Dentro
de
este
campo,
la
inteligencia artificial generativa destaca por su
capacidad
para
producir
contenidos
nuevos,
como
textos,
imágenes,
explicaciones,
preguntas
y
materiales
educativos
a
partir
de
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 11.1
Edición Especial XI 2026
Página 484
instrucciones
formuladas
por
los
usuarios.
Su
aparición
plantea
oportunidades
para
innovar
las prácticas pedagógicas, pero también nuevos
desafíos
relacionados
con
la
preparación
del
profesorado, la calidad de la información y el
uso responsable de la tecnología.
La
incorporación
de
estas
herramientas
en
la
educación no debe entenderse únicamente como
una
actualización
tecnológica,
sino
como
un
proceso
que
requiere
reflexión
pedagógica,
planificación
y
desarrollo
de
competencias
digitales. De acuerdo con la Organización de las
Naciones Unidas para la Educación, la Ciencia
y la Cultura (UNESCO, 2023), la integración de
la
inteligencia
artificial
generativa
debe
orientarse
hacia
un
enfoque
centrado
en
las
personas,
que
proteja
los
derechos
de
los
usuarios y promueva un uso seguro, equitativo
y significativo de estas tecnologías.
Desde
esta
perspectiva,
su
utilización
en
el
ámbito educativo debe responder a objetivos de
aprendizaje
claramente
definidos
y considerar
las características, necesidades y condiciones de
los
estudiantes.
Entre
las
posibilidades
que
ofrece
la
inteligencia
artificial
generativa
se
encuentran
la
elaboración
de
recursos
didácticos,
la
creación
de
actividades
diferenciadas, la preparación de preguntas para
evaluar
aprendizajes,
la
adaptación
de
explicaciones y el apoyo en la planificación de
clases.
Estas
aplicaciones
pueden
facilitar
determinadas tareas del
docente y ampliar las
alternativas
metodológicas
disponibles
para
atender
la
diversidad
presente
en
el
aula.
Sin
embargo,
sus
beneficios
no
se
producen
de
manera automática, puesto que dependen de la
capacidad
del
profesorado
para
formular
instrucciones pertinentes, evaluar la calidad de
las
respuestas
y
adaptar
los
contenidos
generados a los propósitos curriculares. En este
sentido, Kasneci et al. (2023) analizan tanto las
oportunidades
educativas
de
los
modelos
de
lenguaje como
sus
limitaciones,
entre
ellas la
generación
de
información
incorrecta,
los
posibles sesgos y la necesidad de mantener una
supervisión humana durante su utilización.
La investigación sobre inteligencia artificial en
educación también evidencia la importancia de
examinar
las
condiciones
en
las
que
estas
tecnologías
se
incorporan
a
la
enseñanza.
Crompton
y
Burke
(2023),
mediante
una
revisión
sistemática
de
estudios
sobre
inteligencia artificial en la educación superior
publicados
entre
2016
y
2022,
muestran
la
evolución de este campo de investigación y el
crecimiento
del
interés
académico
por
sus
aplicaciones educativas. Aunque sus resultados
se centran
en la
educación superior, permiten
reconocer la necesidad de continuar estudiando
las
posibilidades
y
limitaciones
de
estas
tecnologías en diferentes contextos formativos.
Por
tanto,
su
incorporación
en
la
formación
técnica
y
profesional
requiere
considerar
no
solamente
la
disponibilidad
de
herramientas
digitales, sino también las competencias de los
docentes para utilizarlas de manera pertinente
en situaciones concretas de enseñanza. Uno de
los
principales
desafíos
para
aprovechar
estas
posibilidades
es
la
capacitación
docente.
El
conocimiento general sobre las herramientas de
inteligencia
artificial
no
garantiza
que
los
profesores
puedan
incorporarlas
adecuadamente
en
sus
actividades
profesionales.
Para
lograrlo,
necesitan
desarrollar
habilidades
que
les
permitan
identificar
aplicaciones
útiles,
diseñar
instrucciones
efectivas,
generar
materiales
contextualizados,
contrastar
la
información
obtenida
y
valorar
la
pertinencia
de
los
resultados. Asimismo, requieren criterios para
decidir
cuándo
utilizar
estas
herramientas
y
cuándo es preferible recurrir a otras estrategias
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 11.1
Edición Especial XI 2026
Página 485
pedagógicas.
La
formación
continua,
por
consiguiente,
debe
vincular
el
aprendizaje
tecnológico con la práctica docente y favorecer
la aplicación
de los
conocimientos adquiridos
en situaciones educativas reales. Esta necesidad
también
se
reconoce
en
el
análisis
de
la
Organización
para
la
Cooperación
y
el
Desarrollo
Económicos
(OECD,
2023),
que
destaca
los
desafíos
que
plantea
la
rápida
expansión de la inteligencia artificial generativa
para los sistemas educativos, la evaluación de
los aprendizajes y el desarrollo profesional de
los docentes. El informe señala la importancia
de
establecer
orientaciones
que
permitan
aprovechar
las
posibilidades
de
estas
tecnologías
sin
descuidar
aspectos
como
la
equidad,
la
protección
de
datos
y
la
calidad
educativa.
En
consecuencia,
la
capacitación
no
debería
limitarse
a
enseñar
el
funcionamiento
de
una
aplicación,
sino
que
tendría
que
promover
competencias para integrar sus resultados en la
planificación
curricular,
la
elaboración
de
recursos, la evaluación y la toma de decisiones
pedagógicas.
Otro
aspecto
fundamental
es
la
dimensión
ética
de
la
inteligencia
artificial
generativa.
Si
bien
estas
herramientas
pueden
facilitar la producción de contenidos y el acceso
a explicaciones, sus respuestas no siempre son
exactas, completas o adecuadas al contexto en
el
que
se
utilizan.
Además,
su
empleo
puede
involucrar
riesgos
relacionados
con
la
privacidad de la información, la reproducción
de prejuicios, la atribución incorrecta de autoría
y
la
dependencia
excesiva
de
los
resultados
automatizados.
Por esta razón, el docente necesita conservar un
papel
activo
en
la
revisión,
selección
y
adaptación
de
los
contenidos
generados.
La
UNESCO
(2023)
recomienda
que
las
instituciones educativas adopten medidas para
orientar el uso de estas tecnologías desde una
perspectiva
centrada
en
las
personas,
con
atención
a
la
protección
de
datos
y
a
las
implicaciones
pedagógicas
y
éticas.
En
el
ámbito
escolar,
esto
supone
promover
la
verificación de la información, el respeto a la
propiedad
intelectual
y
el
desarrollo
del
pensamiento crítico.
En
el
contexto
de
la
formación
técnica
y
profesional,
estos
desafíos
adquieren
especial
relevancia, debido a que la enseñanza requiere
relacionar
los
conocimientos
teóricos
con
procedimientos,
habilidades
y
situaciones
vinculadas
con
el
desempeño
profesional.
La
inteligencia artificial generativa puede apoyar la
preparación de casos prácticos, la elaboración
de guías de trabajo, la formulación de ejercicios
y
el
diseño
de
actividades
relacionadas
con
distintas
áreas
de
conocimiento.
No
obstante,
para
que
estas
aplicaciones
aporten
valor
educativo,
deben
responder
a
los
objetivos
curriculares y a las características del entorno
institucional.
Por
ello,
la
intervención
del
docente
continúa
siendo
indispensable
para
comprobar
la
pertinencia
de
los
materiales,
corregir
posibles
errores
y
garantizar
que
las
actividades
favorezcan
el
aprendizaje
y
no
se
limiten
a
la
reproducción
de
respuestas
automatizadas. En el Ecuador, la incorporación
de
tecnologías
emergentes
en
los
procesos
educativos plantea la necesidad de fortalecer las
competencias
digitales
del
profesorado
y
promover prácticas pedagógicas acordes con las
transformaciones del entorno.
Sin
embargo,
las
condiciones
de
acceso,
las
experiencias
previas
de
formación
y
las
necesidades institucionales pueden variar entre
los
establecimientos
educativos.
En
consecuencia,
resulta
necesario
analizar
cada
realidad
para
identificar
las
capacidades
existentes
y
las
áreas
que
requieren
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 11.1
Edición Especial XI 2026
Página 486
fortalecimiento. Este análisis permite evitar la
adopción
de
propuestas
generales
que
no
respondan a las necesidades específicas de los
docentes
ni
a
los
recursos
disponibles
en
sus
instituciones.
En
este
marco
se
sitúa
el
Colegio
Particular
Rafael
Galeth,
ubicado
en
la
provincia
de
Orellana,
donde
se
identifica
la
necesidad
de
fortalecer
la
capacitación
docente
en
inteligencia
artificial
generativa
para
su
aplicación
pedagógica.
La
problemática
se
relaciona
con
el
desafío
de
avanzar
desde
el
conocimiento
general
de
estas
herramientas
hacia
un
uso
planificado,
crítico
y
vinculado
con las actividades de enseñanza. Esta situación
hace pertinente examinar las competencias del
profesorado,
sus
experiencias
previas
y
las
posibilidades
de
aplicación
de
la
inteligencia
artificial
en
tareas
como
la
planificación
de
clases,
la
elaboración
de
recursos
personalizados,
el
diseño
de
instrumentos
de
evaluación y la diversificación de las estrategias
didácticas.
La
importancia
de
abordar
esta
problemática
radica en que una capacitación contextualizada
puede contribuir a que los docentes reconozcan
las
posibilidades
de
la
inteligencia
artificial
generativa
y
aprendan
a
utilizarla
de
acuerdo
con
sus
necesidades
profesionales.
Además,
puede favorecer una reflexión sobre los límites
de estas herramientas y sobre la responsabilidad
del educador en la selección y validación de los
contenidos.
Desde
esta
perspectiva,
la
innovación
pedagógica
no
consiste
simplemente
en
incorporar
una
tecnología
novedosa,
sino
en
utilizarla
de
forma
intencionada
para
enriquecer
las
experiencias
de aprendizaje, mejorar los recursos disponibles
y fortalecer la intervención docente. A partir de
lo
expuesto,
la
presente
investigación
tiene
como
objetivo
evaluar
la
incidencia
de
la
capacitación
docente
en
inteligencia
artificial
generativa
en
la
innovación
de
las
prácticas
pedagógicas
en
el
Colegio
Particular
Rafael
Galeth,
provincia
de
Orellana.
Para
ello,
se
consideran
aspectos
vinculados
con
la
alfabetización
digital
docente,
el
uso
pedagógico
de
estas
herramientas
y
su
aplicación
ética
y
responsable,
así
como
su
relación
con
las
competencias
pedagógicas
digitales y la diversificación de las estrategias
de enseñanza.
La investigación se orienta al diagnóstico de las
necesidades formativas del profesorado y a la
elaboración
de
una
propuesta
de
capacitación
ajustada
al
contexto
institucional.
De
esta
manera, busca aportar elementos que permitan
orientar
procesos
de
formación
continua
y
promover
una
integración
pedagógica
de
la
inteligencia artificial generativa fundamentada
en
criterios
educativos.
Se
parte
de
la
consideración de que estas tecnologías pueden
constituir
un
apoyo
para
la
innovación
de
la
enseñanza cuando se utilizan de manera crítica,
planificada
y
responsable,
sin
sustituir
el
criterio profesional ni la función orientadora del
docente.
Materiales y Métodos
La presente investigación se desarrolló bajo el
paradigma
socioeducativo,
con
un
enfoque
mixto,
debido
a
que
integró
procedimientos
cuantitativos
y
cualitativos
para
analizar
la
capacitación
docente
en
inteligencia
artificial
generativa y su relación con la innovación de las
prácticas pedagógicas en el Colegio Particular
Rafael
Galeth,
provincia
de
Orellana.
El
componente
cuantitativo
permitió
recopilar
información sobre el nivel de conocimiento, uso
y
aplicación
de
herramientas
de
inteligencia
artificial generativa por parte de los docentes.
Por
su
parte,
el
componente
cualitativo
contribuyó
a
examinar
aspectos
relacionados
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 11.1
Edición Especial XI 2026
Página 487
con las prácticas pedagógicas y las necesidades
formativas
del
profesorado.
El
estudio
fue
de
tipo
aplicado,
puesto
que
estuvo
orientado
al
diseño
de
una
propuesta
de
capacitación
docente en inteligencia artificial generativa para
fortalecer
las
prácticas
pedagógicas
en
la
formación técnica y profesional. Su alcance fue
descriptivo
y
propositivo.
Fue
descriptivo
porque permitió caracterizar el conocimiento y
la
utilización
de
herramientas
de
inteligencia
artificial generativa por parte de los docentes, y
propositivo
porque,
a
partir
de
los
resultados
obtenidos,
se
planteó
una
alternativa
de
capacitación
adaptada
a
las
necesidades
identificadas.
El
diseño
de
la
investigación
fue
no
experimental
y
de
corte
transversal.
Se
consideró no experimental porque las variables
de
estudio
no
fueron
manipuladas,
sino
analizadas dentro del contexto educativo en el
que se desarrollan. Fue transversal debido a que
la información se recopiló durante un periodo
determinado,
lo
que
permitió
conocer
la
situación de los docentes respecto al uso de la
inteligencia artificial generativa en sus prácticas
pedagógicas.
La
población
de
estudio
estuvo
conformada
por
15
docentes
de
tercero
de
bachillerato
técnico
del
Colegio
Particular
Rafael
Galeth,
ubicado
en
la
provincia
de
Orellana.
La muestra efectiva con la que se consolidó la
recolección
de
información
cuantitativa
completa
mediante
encuesta
estuvo
integrada
por 14 docentes (
𝑛
=
14
), lo que representa un
93,3%
de
tasa
de
respuesta
respecto
a
la
población
inicial
definida.
Los
participantes
fueron seleccionados por su vinculación directa
con los procesos de enseñanza y aprendizaje y
por
su
participación
en
actividades
de
planificación,
desarrollo
y
evaluación
educativa.
Como
criterios
de
inclusión
se
consideraron la pertenencia al nivel de tercero
de
bachillerato
técnico
del
Colegio
Particular
Rafael
Galeth,
la
participación
en
las
actividades
educativas
durante
el
periodo
de
investigación
y
la
disposición
voluntaria
para
colaborar en el estudio. Se excluyó al personal
administrativo y de apoyo, así como a quienes
no
pertenecían
al
nivel
educativo
delimitado
para
la
investigación.
Para
recopilar
la
información se empleó la encuesta, aplicada a
los
docentes
participantes.
Este
instrumento
permitió
obtener
datos
sobre
el
nivel
de
conocimiento, uso y aplicación de herramientas
de inteligencia artificial generativa en diferentes
actividades
pedagógicas,
entre
ellas
la
planificación
de
clases,
la
elaboración
de
recursos
educativos,
la
creación
de
instrumentos de evaluación y la diversificación
de estrategias de enseñanza.
De manera complementaria, se utilizaron fichas
de
observación
para
registrar
aspectos
relacionados
con
las
prácticas
docentes
y
la
incorporación
de
herramientas
de
inteligencia
artificial generativa en el contexto educativo, de
acuerdo
con
los
criterios
considerados
en
el
estudio.
Asimismo,
la
propuesta
de
capacitación
docente
fue
sometida
a
una
valoración
por
parte
de
tres
expertos
en
tecnología
educativa,
inteligencia
artificial
e
ingeniería
de
software,
con
el
propósito
de
examinar
su
pertinencia,
coherencia,
claridad,
relevancia y aplicabilidad.
La información obtenida mediante las encuestas
fue
organizada
y
procesada
utilizando
el
software IBM SPSS Statistics. Para el análisis
cuantitativo
se
empleó
estadística
descriptiva,
considerando
frecuencias,
porcentajes,
medias
y
tablas
de
distribución
de
resultados.
Estos
procedimientos
permitieron
describir
las
respuestas
de
los
docentes,
identificar
tendencias
en
el
uso
de
herramientas
de
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 11.1
Edición Especial XI 2026
Página 488
inteligencia artificial generativa y reconocer las
principales
necesidades
de
capacitación.
La
información
registrada
mediante
las
fichas
de
observación se examinó tomando en cuenta los
aspectos
observados
durante
el
proceso
de
investigación. Por su parte, los resultados de la
valoración
de
expertos
se
consideraron
para
analizar
la
pertinencia
de
la
propuesta
y
reconocer las recomendaciones orientadas a su
mejora.
Se
utilizó
Microsoft
Excel
como
herramienta
complementaria
para
organizar
los
datos
y
elaborar
tablas
y
gráficos
que
facilitaran
la
presentación e interpretación de los resultados.
La
información
recopilada
sirvió
de
fundamento
para
estructurar
la
propuesta
de
capacitación
docente
en
inteligencia
artificial
generativa, orientada al
fortalecimiento de las
prácticas pedagógicas en la formación técnica y
profesional.
Resultados y Discusión
Los resultados describen la incorporación de la
inteligencia artificial generativa en las prácticas
pedagógicas
de
los
docentes
del
Colegio
Particular
Rafael
Galeth
durante
2026.
El
análisis se organiza en tres componentes:
uso
pedagógico de estas herramientas, aplicación de
principios éticos y valoración de una propuesta
de
capacitación
mediante
juicio
de
expertos.
Esta
organización
permite
reconocer
las
fortalezas
del
profesorado
y
delimitar
las
necesidades
que
orientan
el
diseño
de
la
intervención
formativa.
Las
respuestas
de
la
encuesta se presentan mediante porcentajes de
acuerdo, neutralidad y desacuerdo.
Para facilitar la lectura, se agrupan los niveles 1
y
2
como
desacuerdo,
el
nivel
3
como
neutralidad y los niveles 4 y 5 como acuerdo.
Los
indicadores
expresan
prácticas
y
conocimientos declarados por los participantes;
su
interpretación
no
equivale
a
una
comprobación directa del desempeño docente.
Uso
pedagógico
de
la
inteligencia
artificial
generativa
Tabla
1.
Distribución
de
respuestas
sobre
el
uso
pedagógico
de
la
inteligencia
artificial
generativa.
Indicador
Desacuerdo
(%)
Neutral
(%)
Acuerdo (%)
Creación de recursos
educativos personalizados
21,4
35,7
42,9
Conocimiento para diseñar
instrumentos de evaluación
14,2
28,6
57,1
Percepción de apoyo a la
diversificación de
estrategias
14,3
14,3
71,4
Fuente: Elaboración propia.
Figura 1.
Comparación de los indicadores de
uso pedagógico.
Fuente: Elaboración propia.
En
la
creación
de
recursos
educativos
personalizados, el 42,9 % expresó acuerdo con
el empleo de IA para elaborar lecturas, casos de
estudio y guías adaptadas a sus estudiantes. Este
resultado comprende un 28,6 % en el nivel 4 y
un 14,3 % en el nivel 5. La neutralidad alcanzó
el
35,7
%,
mientras
que
el
desacuerdo
representó
el
21,4
%.
En
consecuencia,
la
elaboración de materiales personalizados reúne
la menor proporción de respuestas favorables de
los
tres
indicadores
analizados.
La
concentración de respuestas neutrales muestra
que
esta
práctica
no
se
encuentra
claramente
afirmada en una parte del profesorado, aunque
no
permite
determinar
las
razones
de
dicha
posición.
Respecto
al
conocimiento
para
diseñar instrumentos de evaluación, el 57,1 %
manifestó
una
percepción
favorable
sobre
su
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 11.1
Edición Especial XI 2026
Página 489
capacidad
para
apoyarse
en
IA
generativa
al
elaborar
bancos
de
preguntas,
rúbricas
y
talleres. El 28,6 % se ubicó en la neutralidad y
el
14,2
%
en
el
desacuerdo,
según
los
porcentajes reportados. La distribución sugiere
mayor confianza declarada para este propósito
que para la creación de recursos personalizados.
Sin
embargo,
el
enunciado
evalúa
el
conocimiento
autopercibido;
por
tanto,
no
demuestra por sí mismo la calidad, la validez o
la alineación curricular de los instrumentos que
podrían producirse.
En cuanto a la diversificación de estrategias de
enseñanza
en
materias
técnicas,
el
71,4
%
consideró
que
la
IA
generativa
facilita
este
proceso.
La
neutralidad
y
el
desacuerdo
representaron, respectivamente, el 14,3 %, sin
respuestas en el nivel mínimo de la escala. Este
indicador
obtuvo
la
mayor
valoración
favorable.
La
diferencia
respecto
a
la
elaboración de recursos personalizados fue de
28,5 puntos porcentuales, lo que describe una
distancia entre el reconocimiento de la utilidad
de
la
tecnología
y
una
práctica
específica
de
uso. Al tratarse de indicadores diferentes, esta
distancia
debe
interpretarse
de
forma
descriptiva,
sin
atribuirle
significación
estadística.
Tabla 2.
Respuestas agrupadas sobre prácticas
éticas declaradas.
Indicador
Desacuerdo
(%)
Neutral
(%)
Acuerdo (%)
Evaluación crítica de la
veracidad y calidad de los
contenidos
35,7
7,1
57,2
Fomento del uso honesto
y académico de la IA
14,3
14,3
71,4
Fuente: Elaboración propia.
El
57,2
%
corresponde
a
la
suma
de
los
porcentajes publicados para los niveles 4 y 5. El
indicador de privacidad y propiedad intelectual
se analiza cualitativamente y no se incluye en
esta
comparación
porcentual.
La
evaluación
crítica
de
los
contenidos
generados
por
IA
reunió un 57,2 % de acuerdo, integrado por un
14,3 % en el nivel 4 y un 42,9 % en el nivel 5.
El 7,1 % manifestó neutralidad y el 35,7 % se
ubicó
en
el
nivel
2.
Aunque
predomina
la
disposición declarada a verificar los materiales,
más de un tercio expresó desacuerdo con esta
práctica. Este resultado identifica una necesidad
formativa
en
contraste
de
fuentes,
revisión
conceptual y detección de sesgos. No permite
afirmar
que
dichos
docentes
hayan
difundido
información errónea, pues no se evaluaron sus
materiales
ni
se
observaron
directamente
sus
clases. El fomento del uso honesto y académico
de
la
IA
alcanzó
un
71,4
%
de
respuestas
favorables, frente a un 14,3 % de neutralidad y
otro
14,3
%
de
desacuerdo.
Esta
distribución
muestra
una
mayor
adhesión
declarada
a
promover la honestidad académica que a revisar
críticamente los contenidos. Ambos indicadores
aportan
información
complementaria:
la
promoción de valores requiere acompañarse de
procedimientos concretos de verificación y de
criterios compartidos sobre la participación de
la IA en las tareas escolares.
En relación con la privacidad de los datos y la
propiedad intelectual, la descripción cualitativa
recoge percepciones favorables y la presencia
de
posiciones
neutrales
o
de
menor
conocimiento.
Este
resultado
permite
identificar el tema como un componente de la
formación
docente,
pero
no
establecer
su
magnitud ni compararlo numéricamente con los
demás indicadores. Su abordaje formativo debe
incluir
ejercicios
sobre
anonimización
de
información,
selección
de
datos
que
pueden
compartirse
y
reconocimiento
de
las
fuentes
utilizadas.
En
conjunto,
el
diagnóstico
muestra
una
valoración favorable del potencial pedagógico
de
la
IA,
acompañada
de
una
incorporación
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 11.1
Edición Especial XI 2026
Página 490
desigual
en
las
prácticas
declaradas.
Las
principales
necesidades
se
concentran
en
transformar
esa
valoración
en
recursos
contextualizados
y
en
consolidar
procedimientos de revisión crítica. A partir de
estos hallazgos se delimitan las prioridades de
la propuesta de capacitación que se presentan en
la Tabla 3.
Tabla 3.
Relación entre los hallazgos y las prioridades formativas.
Hallazgo
Prioridad formativa
Evidencia esperada
42,9 % de acuerdo en recursos personalizados
Diseño y adaptación didáctica
Tres recursos diferenciados y revisados
57,1 % de conocimiento autopercibido para evaluar
Construcción y revisión de instrumentos
Reactivos y rúbricas alineados al currículo
71,4 % de valoración de la diversificación
Transferencia a una unidad técnica
Secuencia con estrategias justificadas
35,7 % de desacuerdo en revisión crítica
Verificación de exactitud y fuentes
Registro de revisión y corrección de errores
Privacidad y autoría: descripción cualitativa
Análisis de casos y criterios de uso
Protocolo de protección y declaración de uso
Fuente: Elaboración propia.
La propuesta se dirige a los docentes de tercero
de
bachillerato
técnico
del
Colegio
Particular
Rafael Galeth y tiene como objetivo fortalecer
la
integración
pedagógica
y
ética
de
la
IA
generativa en la planificación, la elaboración de
recursos y la evaluación. Se estructura en cinco
módulos de ocho horas académicas cada uno,
para
un
total
de
40
horas:
20
de
talleres
síncronos y 20 de trabajo autónomo aplicado.
Cada módulo comprende cuatro horas síncronas
y cuatro autónomas.
Tabla 4.
Estructura y productos de la propuesta de capacitación.
Módulo / horas
Contenidos y aplicación
Productos previstos
1. Alfabetización en IA
generativa
8 horas
Conceptos, alcances y límites; formulación de instrucciones con
contexto, ejemplos y criterios de calidad. Herramientas previstas:
ChatGPT, Claude, Copilot y Perplexity.
Glosario y banco institucional de 10
instrucciones probadas para áreas técnicas.
2. Planificación curricular
8 horas
Alineación entre objetivos, competencias, actividades y evaluación;
revisión docente de las propuestas generadas. Herramientas previstas:
ChatGPT y Claude.
Unidad didáctica contextualizada en la
especialidad técnica.
3. Recursos personalizados
8 horas
Guías de laboratorio, casos de estudio e infografías; adaptación del
lenguaje, apoyos y complejidad. Herramientas previstas: ChatGPT,
Claude y Canva.
Tres recursos diferenciados, con criterios de
adaptación y registro de revisión.
4. Evaluación y
retroalimentación
8 horas
Rúbricas analíticas, reactivos, listas de cotejo y retroalimentación;
revisión de precisión, pertinencia y nivel cognitivo. Herramientas
previstas: ChatGPT y Claude.
Banco de 20 reactivos y dos rúbricas analíticas.
5. Uso ético y responsable
8 horas
Contraste de fuentes, errores y sesgos; privacidad, propiedad
intelectual y honestidad académica. Recursos previstos: Google
Scholar, Elicit y buscadores con fuentes verificables.
Decálogo institucional y lista de verificación de
contenidos y datos.
Fuente: Elaboración propia.
El
empleo
de
herramientas
se
subordina
al
propósito
educativo.
Cada
actividad
parte
de
una necesidad real de la asignatura y culmina
con
una
revisión
docente
del
producto.
La
adaptación
debe responder a evidencias sobre
necesidades de aprendizaje y al currículo de la
especialidad,
con
criterios
explícitos
para
justificar
las
decisiones
tomadas.
La
capacitación
se
desarrollará
mediante
demostraciones breves, práctica guiada, trabajo
colaborativo y resolución de tareas vinculadas
con
las
asignaturas
técnicas.
El
facilitador
modelará
la
formulación
de
instrucciones,
el
contraste
de
respuestas
y
la
corrección
de
materiales.
Posteriormente,
los
docentes
producirán
sus
propios
recursos,
recibirán
retroalimentación y documentarán los cambios
realizados.
El
trabajo
autónomo
permitirá
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 11.1
Edición Especial XI 2026
Página 491
transferir
lo
aprendido
a
una
unidad
de
su
especialidad.
La
secuencia
formativa
se
orientará
por
cuatro
objetivos
específicos:
comprender los alcances y las limitaciones de la
IA
generativa;
diseñar
planificaciones
y
recursos
contextualizados;
elaborar
instrumentos
de
evaluación
alineados
con
los
aprendizajes
previstos;
y
aplicar
criterios
de
verificación,
privacidad
y
reconocimiento
de
autoría.
Estos
objetivos
se
concretarán
en
los
productos
de
la
Tabla
4
y
en
un
proyecto
integrador final.
La evaluación inicial combinará una prueba de
conocimientos
con
una
tarea
de
desempeño:
elaborar un recurso breve, revisar una respuesta
generada
por
IA
y
resolver
un
caso
de
tratamiento
de
información
estudiantil.
La
evaluación final utilizará tareas equivalentes, la
misma
rúbrica
y
criterios
de
aplicación
comparables.
Se
examinarán
la
alineación
curricular,
la
precisión
conceptual,
la
adaptación didáctica, la calidad evaluativa y la
aplicación
de
principios
éticos.
Así
se
podrá
contrastar
el
desempeño
observado
con
la
autopercepción
recogida
en
el
diagnóstico.
Durante
los
módulos
se
realizará
una
evaluación
formativa
basada
en
revisión
de
productos,
retroalimentación
entre
pares
y
registro de mejoras.
La lista de verificación incluirá comprobación
de
fuentes,
detección
de
afirmaciones
sin
respaldo, revisión de sesgos, anonimización de
datos y declaración del uso de IA. La honestidad
académica se valorará mediante evidencias del
proceso
de
elaboración
y
revisión,
acompañadas
de
la
explicación
del
docente
sobre
sus
decisiones.
El
proyecto
integrador
consistirá
en
una
unidad
didáctica
de
la
especialidad técnica que articule planificación,
tres
recursos
adaptados,
instrumentos
de
evaluación y un registro de revisión ética. Su
valoración
atenderá
tanto
a
la
calidad
del
producto como a la capacidad del docente para
justificar su pertinencia y corregir las respuestas
de
la
IA.
El
facilitador
consolidará
los
productos
aprobados
en
un
repositorio
institucional para su consulta y actualización.
La comparación entre las evaluaciones inicial y
final
permitirá
describir
cambios
tras
la
capacitación.
Sin
un
grupo
de
comparación
u
otros
controles,
estos
cambios
no
podrán
atribuirse
exclusivamente
al
programa.
El
seguimiento
posterior
deberá
examinar
la
aplicación de los productos en el aula y, si se
pretende
valorar
el
aprendizaje
estudiantil,
incorporar
indicadores
y
un
diseño
específico
para
ese
propósito.
Estas
evaluaciones
se
plantean como acciones futuras; no se presentan
como resultados alcanzados. La propuesta fue
valorada
por
tres
profesionales
especializados
en informática educativa, inteligencia artificial
y gestión de tecnologías de la información. Se
empleó un instrumento de 33 ítems con escala
de
1
a
5,
organizado
en
las
dimensiones
de
claridad,
pertinencia,
coherencia,
relevancia
y
aplicabilidad.
La
Tabla
5
resume
las
puntuaciones reportadas y la Figura 2 facilita su
comparación.
Tabla
5.
Valoración
de
la
propuesta
por
dimensiones.
Dimensión
Media sobre 5
Porcentaje del
máximo
Claridad
4,33
86,6 %
Pertinencia
4,72
94,4 %
Coherencia
4,73
94,6 %
Relevancia
4,89
97,8 %
Aplicabilidad
4,67
93,4 %
Promedio general reportado
4,68
93,6 %
Fuente: Elaboración propia.
El porcentaje representa la puntuación dividida
para
cinco
y
multiplicada
por
cien;
no
es
un
índice de concordancia. El promedio global se
conserva
como
valor
reportado
y
requiere
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 11.1
Edición Especial XI 2026
Página 492
contrastarse con el cálculo sobre los 33 ítems y
su ponderación.
Figura
2.
Puntuaciones
medias
de
las
dimensiones valoradas por los expertos.
Fuente: Elaboración propia.
La
relevancia
obtuvo
la
puntuación
más
alta
(4,89),
seguida
de
coherencia
(4,73)
y
pertinencia
(4,72).
La
aplicabilidad
alcanzó
4,67 y la claridad registró 4,33. La diferencia
entre los extremos fue de 0,56 puntos. El perfil
de
puntuaciones
muestra
una
apreciación
favorable
de
la
propuesta
y
sitúa
la
claridad
como
la
dimensión
con
mayor
margen
de
mejora dentro del conjunto evaluado.
Tabla 6.
Dictámenes de los expertos y ajustes derivados de sus recomendaciones.
Experto y dictamen
Observaciones principales
Ajustes planteados
Ángel Flores
Requiere modificaciones antes de su
aplicación
Precisar intensidad horaria y herramientas; explicitar
evaluación inicial y final; profundizar en errores de IA
y protección de datos.
Distribución de 40 horas, herramientas por módulo,
tareas de desempeño y lista de verificación ética.
Paúl Machado
Aprobada
Destaca la relevancia de la estructura; propone un
proyecto integrador práctico y asistentes multimodales.
Proyecto integrador de una unidad técnica y
elaboración de recursos en diversos formatos.
Byron Huera
Aprobada con modificaciones
Simplificar objetivos a un máximo de cuatro por
módulo; definir productos y herramientas de soporte.
Objetivos formativos delimitados, matriz de
entregables y selección de herramientas por finalidad.
Fuente: Elaboración propia.
Los ajustes expresan la respuesta de diseño a las
recomendaciones y no equivalen a una nueva
ronda
de
aprobación.
Los
dictámenes
identificaron
fortalezas
en
la
relevancia
y
la
organización
de
la
propuesta,
junto
con
necesidades de precisión operativa. Un experto
emitió
aprobación,
otra
aprobación
con
modificaciones
y
un
tercero
requirió
cambios
antes de la
aplicación.
Por ello, la valoración
favorable de las puntuaciones debe interpretarse
junto
con
las
condiciones
formuladas
en
los
informes cualitativos.
Las
recomendaciones
convergen
en
la
necesidad
de
hacer
verificable
la
propuesta:
definir
tiempos,
herramientas,
productos
y
procedimientos
de
evaluación.
Esta
convergencia
permite
orientar
la
revisión
del
programa
hacia
actividades
realizables
y
evidencias
de
aprendizaje
concretas.
La
incorporación
de
un
proyecto
integrador
también
favorece
la
articulación
entre
los
módulos,
al
reunir
en
una
misma
unidad
didáctica los componentes pedagógicos y éticos
de
la
formación.
El
juicio
de
expertos
aporta
evidencia
sobre
la
adecuación
percibida
del
diseño. Su alcance no incluye la demostración
de mejoras en las competencias docentes ni en
los
resultados
estudiantiles,
dado
que
estos
efectos
requieren
evaluar
la
implementación.
Asimismo,
las
puntuaciones
medias
no
sustituyen un análisis formal de concordancia o
de
validez
de
contenido.
La
aplicación
del
programa deberá considerar el cumplimiento de
los ajustes y la revisión de la versión final por
los responsables institucionales. Los hallazgos
muestran una incorporación heterogénea de la
IA generativa: el reconocimiento de su utilidad
para diversificar la enseñanza alcanza el 71,4 %,
mientras
que
la
creación
de
recursos
personalizados reúne el 42,9 %. Esta diferencia
describe
una
distancia
entre
valoración
y
práctica declarada. Celik (2023) plantea que la
integración educativa de la IA requiere articular
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 11.1
Edición Especial XI 2026
Página 493
conocimientos
tecnológicos,
pedagógicos
y
éticos. Desde este marco, el diagnóstico local
sugiere
orientar
la
formación
hacia
tareas
de
diseño y revisión vinculadas con las asignaturas
técnicas. Esta interpretación es conceptual; no
implica
que
el
estudio
haya
medido
las
relaciones
explicativas
examinadas
por
dicho
autor.
En la personalización, la presencia de un 35,7 %
de respuestas neutrales merece atención porque
no permite afirmar una adopción consolidada.
Holmes et al. (2019) examinan el potencial y las
implicaciones educativas de los sistemas de IA
y
diferencian
sus
posibilidades
de
las
expectativas excesivas sobre la tecnología. A la
luz de ese planteamiento, generar materiales no
garantiza que estos respondan a necesidades de
aprendizaje.
Para
el
contexto
estudiado,
se
propone que cada recurso explicite su objetivo,
el apoyo que ofrece y los criterios con los que
se
ajusta
su
complejidad.
Estas
decisiones
permitirían
valorar
la
pertinencia
de
la
adaptación,
más
allá
de
la
rapidez
de
producción.
El
57,1
%
de
acuerdo
sobre
el
conocimiento
para
diseñar
instrumentos
de
evaluación
constituye
una
base
favorable
para
la
capacitación, aunque permanece en el plano de
la
autopercepción.
Kasneci
et
al.
(2023)
identifican oportunidades para crear contenidos
y
personalizar
experiencias
con
modelos
de
lenguaje, junto con la necesidad de desarrollar
competencias sobre sus limitaciones. Aplicado
al
presente
diagnóstico,
ello
respalda
complementar
las
respuestas
declaradas
con
tareas de desempeño. La revisión de rúbricas y
reactivos
deberá
comprobar
precisión
conceptual, claridad y correspondencia con los
aprendizajes
previstos;
solo
después
de
esa
revisión podrían incorporarse al trabajo de aula.
La dimensión ética presenta una tensión entre el
fomento de la honestidad académica (71,4 % de
acuerdo) y la evaluación crítica de contenidos
(57,2
%).
El
35,7
%
de
desacuerdo
en
esta
última
práctica
delimita
una
prioridad
de
formación,
sin
demostrar
conductas
concretas
de difusión de errores. Miao y Holmes (2023)
sitúan la supervisión humana y la protección de
datos
entre
las
condiciones
para
un
uso
educativo responsable de la IA generativa. En
este
caso,
la
traducción
formativa
de
tales
principios consiste en
enseñar procedimientos
observables
de
contraste,
corrección
y
documentación de decisiones. Una declaración
favorable hacia la ética
requiere acompañarse
de estas prácticas para poder evaluarse.
La
privacidad
y
la
propiedad
intelectual
requieren un tratamiento específico, aunque su
descripción
cualitativa
no
permite
estimar
niveles
de
dominio.
Miao
y
Holmes
(2023)
advierten
sobre
los
riesgos
para
la
privacidad
asociados
al
uso
de
estas
tecnologías
y
proponen
fortalecer
las
capacidades
institucionales.
En
correspondencia
con
esta
orientación,
el
programa
deberá
trabajar
con
casos de información estudiantil anonimizada y
decisiones
sobre
qué
datos
compartir.
El
análisis de autoría y fuentes deberá integrarse a
la
producción
de
materiales.
Estas
medidas
constituyen
implicaciones
del
diseño,
no
evidencias de que hayan ocurrido vulneraciones
en la institución.
La
propuesta
de
40
horas
articula
alfabetización,
planificación,
recursos,
evaluación
y
ética.
Miao
y
Cukurova
(2024)
organizan
las
competencias
docentes
en
IA
desde
una
perspectiva
que
integra
conocimientos,
capacidades
pedagógicas,
valores y agencia humana. Este enfoque ofrece
un
referente
para
la
estructura
planteada:
la
formación
puede
progresar
desde
la
comprensión
de
la
herramienta
hacia
su
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 11.1
Edición Especial XI 2026
Página 494
aplicación
contextualizada
y
su
evaluación
crítica.
La
transversalidad
ética
resulta
especialmente
pertinente,
pues
cada
producto
demanda decisiones sobre calidad y datos. Por
ello, el módulo específico de ética debe reforzar
criterios que ya se practican desde el inicio del
programa.
La valoración de los expertos aporta un respaldo
inicial al diseño, especialmente en relevancia,
coherencia
y
pertinencia.
Sin
embargo,
la
menor puntuación en claridad y los dictámenes
condicionados
muestran
que
una
apreciación
favorable
puede
coexistir
con
ajustes
necesarios. La evaluación del programa deberá
centrarse en evidencias de competencia y en la
justificación
de
decisiones
pedagógicas,
en
consonancia
con
la
orientación
formativa
de
Miao y Cukurova (2024). Las puntuaciones del
juicio de expertos, por sí solas, no demuestran
eficacia
ni
permiten
anticipar
la
magnitud
de
una mejora tras la capacitación.
La interpretación del diagnóstico está limitada
por el carácter autoinformado de la encuesta y
por
la
diversidad
de
los
enunciados:
algunos
exploran
uso,
otro
conocimiento
percibido
y
otra
utilidad
atribuida.
En
consecuencia,
no
corresponde
integrarlos
automáticamente
en
una
medida
única
de
competencia.
Las
respuestas neutrales tampoco deben equipararse
a
rechazo
o
desconocimiento.
El
alcance
descriptivo
permite
establecer
prioridades
institucionales,
pero
no
inferir
causalidad
ni
mejoras
en
el
aprendizaje
de
los
estudiantes.
Las
diferencias
de
redondeo
aconsejan
mantener
una
precisión
uniforme
y
contrastar
los indicadores con las frecuencias originales.
La contribución del estudio reside en vincular
necesidades concretas del profesorado con una
propuesta de formación y con la revisión de su
diseño.
Los
resultados
orientan
hacia
tres
prioridades:
elaboración
de
recursos
contextualizados,
evaluación
de
la
calidad
de
los
productos
y
aplicación
de
procedimientos
éticos
verificables.
La
implementación
futura
permitirá
examinar
si
estas
prioridades
se
traducen en un mejor desempeño docente y en
prácticas sostenidas de aula. Así, el diagnóstico
y el juicio de expertos constituyen una base para
intervenir
y
evaluar,
sin
anticipar
efectos
que
todavía requieren comprobación.
Referencias Bibliográficas
Celik, I. (2023). Towards Intelligent-TPACK:
An empirical study on teachers’ professional
knowledge
to
ethically
integrate
artificial
intelligence (AI)-based tools into education.
Computers in Human Behavior, 138, Article
107468.
https://doi.org/10.1016/j.chb.2022.107468
Crompton,
H.,
&
Burke,
D.
(2023).
Artificial
intelligence in higher education: The state of
the
field.
International
Journal
of
Educational
Technology
in
Higher
Education,
20
,
Article
22.
https://doi.org/10.1186/s41239-023-00392-8
Ertmer, P. (1999). Addressing first- and second-
order
barriers
to
change:
Strategies
for
technology
integration.
Educational
Technology Research and Development, 47
,
47–61.
https://doi.org/10.1007/BF02299597
European
Commission.
(2022).
Ethical
guidelines on the use of artificial intelligence
(AI)
and
data
in
teaching
and
learning
for
educators
.
Publications
Office
of
the
European
Union.
https://doi.org/10.2766/153756
Holmes,
W.,
Bialik,
M.,
&
Fadel,
C.
(2023).
Artificial
intelligence
in
education
.
https://www.scirp.org/reference/referencesp
apers?referenceid=3795018
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.,
...
Kasneci, G. (2023). ChatGPT for good? On
opportunities
and
challenges
of
large
language models for education.
Learning and
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 11.1
Edición Especial XI 2026
Página 495
Individual Differences, 103
, Article 102274.
https://doi.org/10.1016/j.lindif.2023.102274
Luckin,
R.,
Holmes,
W.,
Griffiths,
M.,
&
Forcier, L. B. (2016).
Intelligence unleashed:
An
argument
for
AI
in
education
.
Pearson.
https://www.researchgate.net/publication/29
9561597_Intelligence_Unleashed_An_argu
ment_for_AI_in_Education
Mishra,
P.,
&
Koehler,
M.
J.
(2006).
Technological
pedagogical
content
knowledge:
A
framework
for
teacher
knowledge.
Teachers
College
Record,
108
(6),
1017–1054.
https://doi.org/10.1111/j.1467-
9620.2006.00684.x
Miao,
F.,
&
Cukurova,
M.
(2024).
AI
competency
framework
for
teachers
.
UNESCO.
https://doi.org/10.54675/ZJTE2084
Miao, F., & Holmes, W. (2023).
Guidance for
generative
AI
in
education
and
research
.
UNESCO.
https://doi.org/10.54675/EWZM9535
Organisation
for
Economic
Co-operation
and
Development.
(2023).
OECD
digital
education outlook 2023: Towards an effective
digital
education
ecosystem
.
OECD
Publishing.
https://doi.org/10.1787/c74f03de-en
Redecker, C. (2017).
European framework for
the
digital
competence
of
educators:
DigCompEdu
.
Publications
Office
of
the
European
Union.
https://doi.org/10.2760/159770
Selwyn,
N.
(2019).
Should
robots
replace
teachers?
AI
and
the
future
of
education
.
Polity
Press.
https://research.monash.edu/en/publications/
should-robots-replace-teachers-ai-and-the-
future-of-education/
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
,
Article
15.
https://doi.org/10.1186/s40561-023-00237-x
Tondeur,
J.,
van
Braak,
J.,
Ertmer,
P.
A.,
&
Ottenbreit-Leftwich,
A.
(2017).
Understanding
the
relationship
between
teachers’ pedagogical beliefs and technology
use
in
education:
A
systematic
review
of
qualitative
evidence.
Educational
Technology Research and Development, 65
,
555–575.
https://doi.org/10.1007/s11423-
016-9481-2
UNESCO. (2019).
Marco de competencias de
los docentes en materia de TIC
. UNESCO.
https://unesdoc.unesco.org/ark:/48223/pf000
0371024
UNESCO.
(2021).
Recomendación
sobre
la
ética
de
la
inteligencia
artificial
.
https://unesdoc.unesco.org/ark:/48223/pf000
0381137_spa
UNESCO.
(2023a).
Global
education
monitoring
report
2023:
Technology
in
education: A tool on whose terms?
UNESCO.
https://unesdoc.unesco.org/ark:/48223/pf000
0385723
UNESCO. (2023b).
Guidance for generative AI
in
education
and
research
.
https://unesdoc.unesco.org/ark:/48223/pf000
038669
Esta obra está bajo una licencia de
Creative Commons Reconocimiento-No Comercial
4.0 Internacional. Copyright © Stalin Adrián Huera
Paltan, Dayron Rumbaut Rangel.
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 11.1
Edición Especial XI 2026
Página 496
Declaraciones éticas y editoriales del artículo
Contribución de los autores (Taxonomía CRediT).
Stalin Adrián Huera Paltan: 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.
Dayron Rumbaut Rangel: 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.
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. 11.1
Edición Especial XI 2026
Página 497
