Ciencia y Educación  
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)  
Vol. 7 No. 6  
Edición Junio del 2026  
DEL USO INSTRUMENTAL AL USO PEDAGÓGICO DE LA INTELIGENCIA  
ARTIFICIAL: MODELO APE PARA LA INTEGRACIÓN DIDÁCTICA EN EDUCACIÓN  
FROM INSTRUMENTAL USE TO PEDAGOGICAL USE OF ARTIFICIAL  
INTELLIGENCE: APE MODEL FOR DIDACTIC INTEGRATION IN EDUCATION  
Autores: ¹Gabriela Katherine Rosero Guerra, ²Dennise León Medrano.  
¹E-mail de contacto: groserog3@unemi.edu.ec  
²E-mail de contacto: dleonm@unemi.edu.ec  
Afiliación: 1*2*3*4*Universidad Estatal de Milagro, (Ecuador).  
Artículo recibido: 1 de Junio del 2026  
Artículo revisado: 3 de Junio del 2026  
Artículo aprobado: 3 de Junio del 2026  
¹Ingeniera Zootecnista, graduada de la Escuela Superior Politécnica de Chimborazo, con experiencia en extensión agropecuaria, asistencia  
técnica y procesos de capacitación dirigidos a productores rurales. Maestrante en Inteligencia Artificial para la Educación en la  
Universidad Estatal de Milagro, (Ecuador).  
²Ingeniera en Sistemas egresada de la Universidad Politécnica Salesiana, (Ecuador), con 12 años de experiencia laboral en Docencia  
Universitaria, Diseño Curricular e Innovación Educativa. Magíster en Gestión Educativa, egresada de la Universidad Estatal de Milagro  
(Ecuador). Docente-investigadora de la Maestría en Inteligencia Artificial para la Educación en la Universidad Estatal de Milagro.  
Cursando Doctorado en Educación en la Universidad Técnica Particular de Loja, (Ecuador).  
Resumen  
recomendaciones  
institucionales  
para  
la  
La integración de la Inteligencia Artificial (IA)  
generativa en la educación superior ha generado  
una brecha crítica entre el uso instrumental  
caracterizado por la copia acrítica de respuestas  
y la ausencia de procesamiento cognitivo y el  
uso pedagógico entendido como andamiaje del  
Universidad Estatal de Milagro (UNEMI) y  
líneas de investigación futura.  
Palabras  
generativa,  
clave:  
Uso  
Inteligencia  
pedagógico,  
artificial  
Modelo  
didáctico, Educación superior, Pensamiento  
crítico.  
pensamiento  
aprendizaje.  
investigación  
crítico  
Este  
y
mediación  
presenta  
del  
una  
artículo  
Abstract  
cualitativa  
de  
revisión  
The  
integration  
of  
generative  
Artificial  
documental, basada en el análisis de 35 estudios  
empíricos y teóricos publicados entre 2019 y  
2026, provenientes de bases de datos Scopus,  
Web of Science y Google Scholar. Los  
resultados indican que más del 60% de los  
estudiantes universitarios utilizan IA de manera  
acrítica, mientras que solo el 15% ha recibido  
formación sobre su uso pedagógico. Como  
respuesta, se propone el Modelo APE  
(Andamiaje, Producción asistida, Evaluación  
crítica), estructurado en tres fases secuenciales  
que transforman la IA de una "muleta  
cognitiva" en un "andamio didáctico". El  
modelo se fundamenta en los principios de  
andamiaje cognitivo, aprendizaje profundo y  
pensamiento crítico algorítmico. Se concluye  
que la transición del uso instrumental al  
Intelligence (AI) into higher education has  
created a critical gap between its instrumental  
use, characterized by the uncritical copying of  
responses and the absence of cognitive  
processing and its pedagogical use, understood  
as scaffolding critical thinking and mediating  
learning. This article presents a qualitative  
literature review based on the analysis of 35  
empirical and theoretical studies published  
between 2019 and 2026, from the Scopus, Web  
of Science, and Google Scholar databases. The  
results indicate that more than 60% of  
university students use AI uncritically, while  
only 15% have received training on its  
pedagogical use. In response, the APE Model  
(Scaffolding, Assisted Production, Critical  
Evaluation) is proposed, structured in three  
sequential phases that transform AI from a  
"cognitive crutch" into a "didactic scaffold."  
The model is based on the principles of  
pedagógico  
explícita, alfabetización algorítmica y rediseño  
de actividades evaluativas. Se ofrecen  
requiere  
mediación  
docente  
Página 63  
Ciencia y Educación  
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)  
Vol. 7 No. 6  
Edición Junio del 2026  
cognitive scaffolding, deep learning, and  
algorithmic critical thinking. It is concluded that  
the transition from instrumental to pedagogical  
didático,  
crítico.  
Ensino  
superior,  
Pensamento  
use  
algorithmic literacy, and a redesign of  
assessment activities. Institutional  
recommendations are offered for the State  
University of Milagro (UNEMI), along with  
suggestions for future research.  
Keywords: Generative artificial intelligence,  
Pedagogical use, Didactic model, Higher  
education, Critical thinking.  
requires  
explicit  
teacher  
mediation,  
Introducción  
La irrupción de la Inteligencia Artificial (IA)  
generativa, particularmente ChatGPT y sus  
derivados (Gemini, Copilot, Claude), ha  
transformado radicalmente los ecosistemas  
educativos a nivel global (García, 2024;  
Zawacki et al., 2019). Desde 2022, estas  
herramientas han democratizado el acceso a  
respuestas  
automatizadas,  
resúmenes  
y
Sumário  
generación de textos en segundos, alcanzando  
los 100 millones de usuarios en los primeros dos  
meses (García y Vázquez, 2023). En educación  
superior, estudios reportan que el 49% de los  
estudiantes universitarios estadounidenses ya  
utilizan IA para actividades académicas (Tyton,  
2023, citado en García, 2024). En el contexto  
A integração da Inteligência Artificial (IA)  
generativa no ensino superior criou uma lacuna  
crítica entre seu uso instrumental, caracterizado  
pela cópia acrítica de respostas e pela ausência  
de processamento cognitivo, e seu uso  
pedagógico, entendido como o suporte ao  
pensamento  
crítico  
e
a
mediação  
da  
aprendizagem. Este artigo apresenta uma  
revisão qualitativa da literatura baseada na  
análise de 35 estudos empíricos e teóricos  
publicados entre 2019 e 2026, provenientes das  
bases de dados Scopus, Web of Science e  
Google Scholar. Os resultados indicam que  
mais de 60% dos estudantes universitários  
utilizam a IA de forma acrítica, enquanto  
apenas 15% receberam treinamento em seu uso  
pedagógico. Em resposta, propõe-se o Modelo  
APE (Scaffolding, Assisted Production, Critical  
latinoamericano,  
investigaciones  
recientes  
indican que el uso de herramientas como  
ChatGPT se ha incrementado en un 65% entre  
estudiantes de posgrado (Gracia y Panchano,  
2025).  
Sin embargo, esta rápida adopción ha generado  
una brecha crítica (Holmes et al., 2019): el  
predominio de un uso instrumental de la IA  
entendido como un sustituto del pensamiento,  
donde los estudiantes copian respuestas  
textuales sin procesamiento cognitivo frente al  
aún incipiente uso pedagógico la IA como  
mediadora del aprendizaje, facilitadora del  
pensamiento crítico y andamiaje para la  
construcción de conocimiento (Long et al.,  
2026; Selwyn, 2022). El problema no es nuevo,  
pero se ha exacerbado. Como señala García-  
Peñalvo (2024, p. 3), "nos encontramos ante la  
primera generación de docentes que se tiene que  
enfrentar a un estudiantado equipado con  
dispositivos tecnológicos de última generación  
y acceso instantáneo a la IA". La respuesta  
institucional predominante ha sido reactiva:  
Evaluation),  
estruturado  
em  
três  
fases  
sequenciais que transformam a IA de uma  
"muleta cognitiva" em um "andaime didático".  
O modelo baseia-se nos princípios do andaime  
cognitivo, da aprendizagem profunda e do  
pensamento crítico algorítmico. Conclui-se que  
a transição do uso instrumental para o  
pedagógico requer mediação explícita do  
professor, alfabetização algorítmica e uma  
reformulação das atividades de avaliação. São  
apresentadas recomendações institucionais para  
a Universidade Estadual de Milagro (UNEMI),  
juntamente com sugestões para pesquisas  
futuras.  
Palavras-chave:  
Inteligência  
pedagógico,  
artificial  
Modelo  
generativa,  
Uso  
Página 64  
Ciencia y Educación  
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)  
Vol. 7 No. 6  
Edición Junio del 2026  
prohibir, sancionar o ignorar la IA, en lugar de  
integrarla pedagógicamente (Molina et al.,  
2025; Rondón, 2023). Este vacío es  
estuvo constituida por artículos científicos,  
revisiones documentos institucionales  
y
publicados entre 2019 y 2026. La muestra fue  
de tipo intencional, seleccionándose finalmente  
35 documentos que cumplieron los siguientes  
criterios de inclusión: a) artículos empíricos o  
de revisión centrados en usos de IA en  
educación superior; b) publicaciones en español  
o inglés; c) estudios que abordaran la mediación  
pedagógica con IA o modelos de integración  
didáctica. Se excluyeron estudios puramente  
particularmente preocupante en programas de  
posgrado en IA, donde se forma a futuros  
especialistas que utilizan estas herramientas de  
manera acrítica, sin aplicar sobre los propios  
sistemas de IA los principios de análisis,  
validación  
y
pensamiento  
reflexivo  
que  
deberían caracterizar su perfil profesional  
(Juárez et al., 2026; Kasneci et al., 2023).  
técnicos  
o
centrados  
exclusivamente  
en  
La literatura ha documentado múltiples riesgos  
asociados al uso instrumental desmedido:  
dependencia tecnológica excesiva (Martínez,  
2025), sesgos algorítmicos y desinformación  
(Flores y García, 2023), vulneración de la  
privacidad de datos (Molina et al., 2025). Y  
profundización de la brecha digital (Juárez et  
al., 2026). Frente a este panorama, organismos  
internacionales como la UNESCO (2023) han  
llamado a desarrollar marcos de competencias  
en IA para docentes y estudiantes. Por ello, este  
artículo se propone responder a la siguiente  
pregunta de investigación: ¿Cómo construir un  
modelo de integración didáctica que facilite la  
desarrollo de algoritmos sin implicaciones  
pedagógicas.  
La técnica de recolección de datos fue la  
búsqueda sistemática en las bases de datos  
Scopus, Web of Science, Google Scholar y  
Dialnet,  
utilizando  
los  
descriptores:  
"inteligencia artificial" OR "IA generativa" OR  
"ChatGPT" AND "educación superior" AND  
"uso pedagógico" AND "modelo didáctico"  
(Gough et al., 2017). El instrumento fue una  
matriz de extracción de datos que registraba:  
autor(es), año, objetivo, metodología, hallazgos  
principales y categorías de análisis. La técnica  
de análisis de datos empleada fue el análisis  
temático (Braun y Clarke, 2006), con un  
proceso de codificación deductivo-inductivo.  
Las categorías de análisis predefinidas fueron:  
(a) usos de IA en educación, (b) beneficios y  
riesgos identificados, (c) rol docente, (d)  
elementos de un modelo didáctico. La  
saturación teórica se alcanzó en el documento  
28.  
transición  
del  
uso  
instrumental  
al  
uso  
pedagógico de la IA en educación superior? El  
objetivo general es diseñar y fundamentar  
teóricamente  
un  
modelo  
de  
integración  
didáctica (Modelo APE) basado en la literatura  
científica reciente (García et al., 2024; Juárez et  
al., 2026).  
Materiales y Métodos  
Se desarrolló una investigación cualitativa de  
revisión documental con enfoque teórico-  
reflexivo, basada en el análisis de literatura  
científica relacionada con inteligencia artificial,  
didáctica e innovación educativa (Hernández- et  
al., 2018). El diseño de investigación fue de  
tipo revisión sistemática de la literatura, con un  
alcance descriptivo-interpretativo. La población  
Resultados y Discusión  
Del análisis documental se obtuvieron tres  
grandes categorías de resultados, las cuales se  
presentan y discuten de manera integrada. En el  
uso instrumental de la IA, características y  
prevalencia. Los hallazgos indican que más del  
60% de los estudiantes universitarios utilizan la  
Página 65  
Ciencia y Educación  
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)  
Vol. 7 No. 6  
Edición Junio del 2026  
IA de manera acrítica (García, 2024; Molina et  
seguimiento o verificación de fuentes (76%),  
confianza acrítica en la veracidad de los  
contenidos generados (71%) y uso de la IA para  
evitar el esfuerzo cognitivo (68%) (Long et al.,  
2026; Martínez, 2025).  
al., 2025). El uso instrumental se caracteriza  
por: copia textual de respuestas generadas por  
IA sin modificación (82% de los casos  
reportados),  
ausencia  
de  
preguntas  
de  
Tabla 1. Indicadores de uso instrumental versus uso pedagógico de la IA  
Dimensión  
Uso instrumental (inicial)  
Alta (>70% del texto) (Molina Mera et al.,  
2025)  
Uso pedagógico (deseado)  
Frecuencia de copia textual  
Baja (<20% del texto)  
1-2 (pregunta única) (García-Peñalvo,  
2024)  
4+ (preguntas de seguimiento, desafíos,  
verificaciones)  
Número de iteraciones con IA  
Verificación de fuentes  
Justificación de cambios  
Detección de errores/sesgos  
Nunca o casi nunca (Long et al., 2026)  
Ausente (Martínez-Márquez, 2025)  
No detecta (Juárez-Vázquez et al., 2026)  
Siempre (contrasta con 2+ fuentes externas)  
Presente y argumentada  
Identifica y explica al menos 3 tipos de error  
Fuente: Elaboración propia  
(Andamiaje, Producción asistida, Evaluación  
crítica). A partir del análisis documental  
(García-, 2024; Juárez et al., 2026; Long et al.,  
2026), se propone el Modelo APE, estructurado  
en tres fases secuenciales (ver tabla 2). El  
modelo se fundamenta en: (a) andamiaje  
cognitivo (Vygotsky, 1978), (b) aprendizaje  
profundo (Biggs y Tang, 2011), y (c)  
pensamiento crítico algorítmico (Juárez et al.,  
2026).  
Estos resultados coinciden con lo reportado por  
Kasneci et al. (2023), quienes advierten que la  
confianza acrítica en la IA genera una falsa  
sensación de competencia. A diferencia de  
estudios previos que se centraban en la  
prohibición (Selwyn, 2022), los hallazgos aquí  
presentados sugieren la necesidad de mediación  
docente explícita para transformar estos  
patrones.  
Propuesta del Modelo APE  
Tabla 2. Estructura del Modelo APE.  
Ejemplo de actividad (adaptado de Long et  
Fase  
Rol de la IA  
Rol del estudiante  
Rol del docente  
al., 2026)  
Compara, cuestiona,  
pide fuentes,  
Diseña prompts guía,  
selecciona herramientas,  
activa conocimientos  
previos  
"Pide a la IA que explique el teorema de  
Bayes como si tuvieras 15 años. Luego, pide  
una analogía opuesta. ¿Cuál explica mejor?  
¿Por qué?" (García-Peñalvo, 2024)  
Genera explicaciones,  
ejemplos, analogías,  
perspectivas múltiples  
A - Andamiaje  
identifica  
contradicciones  
Reescribe con voz  
propia, selecciona  
ideas relevantes,  
añade referencias  
externas, justifica  
cambios  
Ofrece borradores  
iniciales, esquemas,  
preguntas guía,  
retroalimentación  
formativa  
Establece criterios de  
calidad, media en la  
coevaluación, promueve la  
comparación IA-humano  
"La IA genera 5 ideas para tu ensayo.  
Selecciona 2 y desarróllalas SIN IA. Al final,  
justifica por qué elegiste esas y no las otras"  
(Juárez-Vázquez et al., 2026)  
P - Producción  
asistida  
Detecta sesgos,  
alucinaciones y  
limitaciones;  
verifica con fuentes  
externas; corrige y  
mejora el output  
Simula errores  
comunes, ofrece  
contraejemplos, genera  
preguntas de  
Propone rúbricas de  
evaluación que penalizan  
la aceptación acrítica,  
promueve la  
"¿Qué partes de esta respuesta de IA podrían  
estar mal o ser incompletas? Verifícalo con  
dos fuentes académicas externas. Entrega un  
informe de validación" (García-Peñalvo,  
2024)  
E - Evaluación  
crítica  
verificación  
autoevaluación reflexiva  
Fuente: Elaboración propia  
cognitiva y evaluativa de manera secuencial. Su  
principal aporte radica en ofrecer una ruta  
concreta y observable para que el docente guíe  
al estudiante desde la dependencia acrítica hacia  
la autonomía reflexiva. Como señala UNESCO  
A diferencia de otros modelos que se centran  
únicamente en aspectos técnicos o éticos  
(Flores-Vivar & García-Peñalvo, 2023), el  
Modelo APE integra la dimensión pedagógica,  
Página 66  
Ciencia y Educación  
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)  
Vol. 7 No. 6  
Edición Junio del 2026  
(2023), no se trata de prohibir, sino de integrar  
Existe una brecha crítica entre el predominante  
uso instrumental de la IA (más del 60% de los  
estudiantes copian acríticamente) y el incipiente  
uso pedagógico (solo el 15% ha recibido  
formación), lo que evidencia una urgente  
necesidad de intervención didáctica explícita  
(García, 2024; Molina et al., 2025). El Modelo  
con sentido pedagógico.  
APE  
(Andamiaje,  
Producción  
asistida,  
Evaluación crítica) constituye una propuesta  
teóricamente fundamentada y operable que  
transforma a la IA de una "muleta cognitiva" en  
un "andamio didáctico", guiando al estudiante  
desde la dependencia acrítica hacia la  
autonomía reflexiva a través de tres fases  
secuenciales (Juárez et al., 2026; Long et al.,  
2026).  
Figura 1. Relaciones pedagógicas en el Modelo  
APE  
La transición del uso instrumental al uso  
pedagógico no ocurre de manera espontánea,  
sino que requiere tres condiciones habilitantes:  
Fuente: Elaboración propia basada en Juárez et  
al. (2026) y Long et al. (2026)  
Un hallazgo transversal fue que solo el 15% de  
los estudiantes han recibido formación sobre  
uso pedagógico de la IA (UNESCO, 2023), y el  
73% de los docentes reportan sentirse "no  
preparados" o "poco preparados" para integrar  
IA en sus prácticas (Martínez-Márquez, 2025).  
Este dato es consistente con lo reportado por  
García-Peñalvo (2024), quien señala que  
"muchos docentes carecen de alfabetización en  
IA, lo que genera incertidumbre y resistencias"  
mediación  
docente  
explícita  
de  
(diseño  
de  
actividades,  
selección  
herramientas,  
establecimiento de criterios), alfabetización  
algorítmica tanto para estudiantes como para  
docentes, y rediseño de actividades evaluativas  
que penalicen la aceptación acrítica y premien  
la verificación, comparación y justificación  
(Martínez, 2025; UNESCO, 2023). El principal  
riesgo de no realizar esta transición es el  
aprendizaje superficial generalizado y la  
pérdida  
de  
habilidades  
cognitivas  
Ecuación para estimar el nivel de transición al  
uso pedagógico: Nivel de transición = (N.º de  
iteraciones críticas + Verificación de fuentes +  
Justificación de cambios) / 3 (1). Donde cada  
variable se mide en una escala de 0 a 10,  
obteniéndose un índice global. Como se  
establece en (1), un valor superior a 7 indica una  
transición efectiva hacia el uso pedagógico.  
fundamentales (argumentación, análisis crítico,  
resolución de problemas); mientras que la  
principal oportunidad del Modelo APE es  
potenciar el pensamiento crítico al convertir a la  
IA en un "oponente socrático" que desafía al  
estudiante a validar, comparar y superar sus  
outputs (García, 2024; Kasneci et al., 2023).  
Agradecimientos  
Conclusiones  
La autora expresa su sincero agradecimiento a  
la Universidad Estatal de Milagro (UNEMI),  
especialmente a la Facultad de Posgrado y a la  
Maestría en Inteligencia Artificial para la  
Del análisis documental realizado y de la  
fundamentación teórica del Modelo APE, se  
pueden obtener las siguientes conclusiones:  
Página 67  
Ciencia y Educación  
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)  
Vol. 7 No. 6  
Edición Junio del 2026  
Educación, por brindar el espacio académico y  
los recursos institucionales para el desarrollo de  
esta investigación. Un reconocimiento especial  
a la MSc. Denisse León Medrano, directora del  
trabajo, por su acompañamiento, rigurosidad  
académica y valiosos aportes durante todo el  
proceso. Este artículo no recibió financiamiento  
específico de agencias públicas, comerciales o  
de organizaciones sin fines de lucro.  
Flores, J., & García, F. (2023). Reflections on  
the ethics, potential, and challenges of AI in  
the framework of quality education (SDG4).  
Comunicar,  
García, F. (2024). Inteligencia  
31(74),  
3544.  
artificial  
generativa y educación: Un análisis desde  
múltiples perspectivas. Education in the  
Knowledge  
Society,  
25,  
e31942.  
García, F., & Vázquez, A. (2023). What do we  
Referencias Bibliográficas  
Aparicio, O. (2023). La inteligencia artificial y  
mean by GenAI? International Journal of  
su  
Transformando el aprendizaje para el siglo  
XXI. Ciencia Latina, 3(2), 217229.  
incidencia  
en  
la  
educación:  
Interactive  
Intelligence,  
Multimedia  
8(4),  
and  
Artificial  
716.  
García, F., Llorens, F., & Vidal, J. (2024). The  
new reality of education in the face of  
advances in generative artificial intelligence.  
Biggs, J., & Tang, C. (2011). Teaching for  
quality learning at university (4th ed.).  
McGraw-Hill.  
Braun, V., & Clarke, V. (2006). Using thematic  
analysis in psychology. Qualitative Research  
RIED,  
27(1),  
939.  
Gough, D., Oliver, S., & Thomas, J. (2017). An  
introduction to systematic reviews (2nd ed.).  
SAGE.  
in  
Psychology,  
3(2),  
77101.  
CEPAL-UNICEF. (2014). Derechos de la  
infancia en la era digital. Naciones Unidas.  
Comas, R. (2023). Sesgos algorítmicos en  
educación: análisis y soluciones. 8th Virtual  
International Conference on Education,  
Gracia, J., & Panchano, A. (2025). Desafíos y  
oportunidades de la inteligencia artificial en  
la educación: Una revisión sistemática.  
ASCE,  
4(2),  
185200.  
Hernández, R., Fernández, C., & Baptista, P.  
(2018). Metodología de la investigación (6.ª  
Innovation  
and  
ICT,  
329330.  
ed.).  
McGraw-Hill.  
Comisión Europea. (2019). Digital education at  
school  
in  
Europe.  
Eurydice.  
Holmes, W., Bialik, M., & Fadel, C. (2019).  
Artificial intelligence in education. Center for  
Creswell, J., & Poth, C. (2018). Qualitative  
inquiry and research design (4th ed.). SAGE.  
Curriculum  
Redesign.  
INTEF. (2024). Inteligencia artificial en el  
ámbito educativo. Instituto Nacional de  
Tecnologías Educativas y de Formación del  
De  
Gracia,  
A.  
(2024).  
El  
aprendizaje  
colaborativo como estrategia didáctica en  
ambientes virtuales. Saberes, 7(1), 106128.  
Página 68  
Ciencia y Educación  
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)  
Vol. 7 No. 6  
Edición Junio del 2026  
Jara, I., & Ochoa, J. (2020). Usos y efectos de la  
Martínez-Márquez, M. (2025). Inteligencia  
inteligencia artificial en educación. BID.  
artificial y educación. Revista Docentes 2.0,  
18(1),  
245257.  
Juárez, S., Sol, F., & Hernández, N. (2026). IA  
generativa y transformación de la enseñanza  
Marton, F., & Säljö, R. (1976). On qualitative  
differences in learning. British Journal of  
en  
la  
educación  
superior:  
Revisión  
sistemática y modelo conceptual. RIED,  
29(2).  
Educational  
Psychology,  
46(1),  
411.  
Mishra,  
P.,  
&
Koehler,  
M.  
(2006).  
content  
Kasneci, E., et al. (2023). ChatGPT for good?  
On opportunities and challenges of large  
language models for education. Learning and  
Technological  
knowledge:  
knowledge.  
108(6),  
pedagogical  
A
framework for teacher  
College Record,  
10171054.  
Teachers  
Individual  
Differences,  
103,  
102274.  
Kitchenham, B., & Charters, S. (2007).  
Guidelines  
literature reviews in software engineering.  
Keele University.  
for  
performing  
systematic  
Molina, J., Lucio, A., & Chicaiza, D. (2025).  
Uso ético pedagógico de la inteligencia  
artificial en educación. Ciencia Latina, 9(4).  
Monje, M., et al. (2024). Personalización del  
proceso de aprendizaje mediante inteligencia  
Kuhail, M., et al. (2023). Interacting with  
educational chatbots: A systematic review.  
Education and Information Technologies,  
artificial.  
Latam,  
5(3),  
772.  
Paguay, M., et al. (2024). La ética en el uso de  
la inteligencia artificial en los procesos  
educativos. Revista Científica, 8(19e), 145–  
158.  
28(1),  
9731018.  
Llorens, F., & García, F. (2023). La inteligencia  
artificial en el gobierno universitario.  
Universidad.  
Quirós,  
digitales: medios innovadores para el trabajo  
colaborativo. Educare, 13(2), 4762.  
E.  
(2009).  
Recursos  
didácticos  
Long, D., & Magerko, B. (2020). What is AI  
literacy? Proceedings of CHI 2020, 116.  
Long, D., Wang, S., Rashid, S., & Lu, X.  
(2026). Artificial intelligence in higher  
education: A systematic review of its impact  
Rondón, G. (2023). El rol docente en el uso de  
la  
inteligencia  
artificial  
en  
ambientes  
educativos.  
Diálogica,  
20(2),  
4970.  
on  
student  
engagement.  
Frontiers  
in  
Education,  
10,  
1648661.  
Manning, J., Baldwin, J., & Powell, N. (2025).  
Human versus machine: The effectiveness of  
ChatGPT in automated essay scoring.  
Innovations in Education and Teaching  
Rouhiainen, L. (2018). Inteligencia artificial:  
101 cosas que debes saber hoy sobre nuestro  
futuro. Planeta.  
Salloum, S., et al. (2024). Adoption of 3D  
holograms in science education. IEEE  
International,  
62,  
15001513.  
Access,  
12,  
7098470998.  
Página 69  
Ciencia y Educación  
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)  
Vol. 7 No. 6  
Edición Junio del 2026  
Selwyn, N. (2022). Education and technology:  
Key issues and debates (3rd ed.).  
Strielkowski, W., et al. (2025). AI-driven  
adaptive learning for sustainable educational  
transformation. Sustainable Development,  
Esta obra está bajo una licencia de  
Creative Commons Reconocimiento-No Comercial  
4.0 Internacional. Copyright © Gabriela Katherine-  
Rosero Guerra, Denisse León Medrano  
33,  
19211947.  
Torres, E., et al. (2023). Impacto de la  
inteligencia artificial en la educación  
universitaria. Revista Científica, 1(6), 8291.  
UNESCO. (2023). ChatGPT e inteligencia  
artificial en la educación superior: Guía de  
inicio  
rápido.  
UNESCO.  
UNICEF. (2021). Orientación de políticas  
sobre el uso de la inteligencia artificial en  
favor  
de  
la  
infancia.  
UNICEF.  
Utamachant, P., Anutariya, C., & Pongmunkul,  
S. (2023). I-Ntervene: Applying an evidence-  
based learning analytics intervention. Smart  
Learning  
Environments,  
10(1),  
37.  
Vygotsky, L. (1978). Mind in society: The  
development  
processes.  
of  
higher  
psychological  
Press.  
Harvard  
University  
Wang, T., & Cheng, E. (2021). An investigation  
of barriers to Hong Kong K12 schools  
incorporating AI in education. Computers  
and Education: Artificial Intelligence, 2,  
100031.  
Wood, D., Bruner, J., & Ross, G. (1976). The  
role of tutoring in problem solving. Journal  
of Child Psychology and Psychiatry, 17(2),  
89100.  
Zawacki, O., et al. (2019). Systematic review of  
research on artificial intelligence applications  
in higher education. International Journal of  
Educational  
Education,  
Technology  
in  
Higher  
16(1),  
39.  
Página 70  
Ciencia y Educación  
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)  
Vol. 7 No. 6  
Edición Junio del 2026  
Declaraciones éticas y editoriales del artículo  
Contribución de los autores (Taxonomía CRediT)  
Gabriela Katherine Rosero Guerra: 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.  
Denisse León Medrano: 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.  
Página 71