Ciencia y Educación  
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)  
Vol. 7 No. 6.1  
Edición Especial VI 2026  
DEL USO INSTRUMENTAL AL USO PEDAGÓGICO DE LA INTELIGENCIA  
ARTIFICIAL: MODELO APE PARA LA INTEGRACIÓN DIDÁCTICA EN  
EDUCACIÓN  
FROM THE INSTRUMENTAL TO THE PEDAGOGICAL USE OF ARTIFICIAL  
INTELLIGENCE: THE APE MODEL FOR DIDACTIC INTEGRATION IN  
EDUCATION  
Autores: ¹Gabriela Katheirne Rosero Guerra.  
¹E-mail de contacto: groserog3@unemi.edu.ec  
Afiliación: ¹Universidad Estatal de Milagro, (Ecuador).  
Artículo recibido: 28 de Junio del 2026.  
Artículo revisado: 30 de Junio del 2026.  
Artículo aprobado: 30 de Junio del 2026.  
¹Ingeniera zootecnista, egresada de la Escuela Superior Politecnica de Chimborazo, (Ecuador). Maestrante de la Maestría en Inteligencia  
Artificial para la Educación, (Ecuador).  
Resumen  
Palabras  
generativa,  
clave:  
Uso  
Inteligencia  
pedagógico,  
artificial  
Modelo  
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 pensamiento crítico y mediación  
del aprendizaje. Este artículo presenta una  
didáctico, Educación superior, Pensamiento  
crítico.  
Abstract  
The  
integration  
of  
generative  
Artificial  
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  
cognitive scaffolding and algorithmic critical  
thinking. It is concluded that the transition from  
instrumental to pedagogical use requires  
explicit teacher mediation, algorithmic literacy,  
investigación  
cualitativa  
de  
revisión  
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 y pensamiento crítico  
algorítmico. Se concluye que la transición del  
uso instrumental al pedagógico requiere  
mediación docente explícita, alfabetización  
algorítmica  
y
rediseño  
de  
actividades  
evaluativas. Se ofrecen recomendaciones  
institucionales para la Universidad Estatal de  
Milagro (UNEMI) y líneas de investigación  
futura.  
and  
redesigned  
assessment  
activities.  
Institutional recommendations are offered for  
Página 788  
Ciencia y Educación  
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)  
Vol. 7 No. 6.1  
Edición Especial VI 2026  
the State University of Milagro (UNEMI),  
2024; Zawacki et al., 2019). Desde 2022, estas  
herramientas han democratizado el acceso a  
along with suggestions for future research.  
Keywords: Generative artificial intelligence,  
Pedagogical use, Didactic model, Higher  
education, Critical thinking.  
respuestas  
automatizadas,  
resúmenes  
y
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  
Partners, 2023, citado en García, 2024). En el  
Sumário  
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  
contexto  
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  
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  
cognitivo  
frente  
al  
aún  
incipiente  
uso  
pedagógico la IA como mediadora del  
aprendizaje, facilitadora del pensamiento crítico  
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 e do pensamento crítico algorítmico.  
Conclui-se que a transição do uso instrumental  
para o pedagógico requer mediação explícita do  
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 (2024), "nos  
encontramos ante la primera generación de  
docentes que se tiene que enfrentar a un  
professor,  
alfabetização  
algorítmica  
e
atividades de avaliação reformuladas. São  
apresentadas recomendações institucionais para  
a Universidade Estadual de Milagro (UNEMI),  
juntamente com sugestões para pesquisas  
futuras.  
estudiantado  
equipado  
con  
dispositivos  
tecnológicos de última generación y acceso  
instantáneo a la IA". La respuesta institucional  
predominante ha sido reactiva: prohibir,  
sancionar o ignorar la IA, en lugar de integrarla  
Palavras-chave:  
Inteligência  
pedagógico,  
superior,  
artificial  
Modelo  
Pensamento  
generativa,  
didático,  
crítico.  
Uso  
Ensino  
pedagógicamente  
(Molina  
et  
al.,  
2025);  
(Rondón, 2023). Este vacío es 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  
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-Peñalvo,  
Página 789  
Ciencia y Educación  
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)  
Vol. 7 No. 6.1  
Edición Especial VI 2026  
reflexivo que deberían caracterizar su perfil  
modelos de integración didáctica, y (d)  
competencias docentes en IA (Kitchenham &  
Charters, 2007). Se excluyeron estudios  
puramente técnicos o centrados exclusivamente  
en desarrollo de algoritmos.  
profesional (Juárez et al., 2026); (Kasneci et al.,  
2023).  
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 Mera 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  
La muestra final estuvo conformada por 35  
documentos,  
incluyendo:  
revisiones  
sistemáticas (García, 2024; Long et al., 2026;  
Juárez et al., 2026; Zawacki et al., 2019;  
Kasneci et al., 2023). 12 estudios empíricos  
(Molina et al., 2025; Gracia y Panchano, 2025;  
entre otros). 18 documentos institucionales,  
capítulos  
de  
libro  
y
artículos  
teóricos  
(UNESCO, 2023; INTEF, 2024; UNICEF,  
2021). Se utilizó la técnica de análisis temático  
(Braun y Clarke, 2006), con un proceso de  
codificación  
categorías de análisis fueron: (a) usos de IA en  
educación, (b) beneficios riesgos  
deductivo-inductivo.  
Las  
transición  
del  
uso  
instrumental  
al  
uso  
pedagógico de la IA en educación superior? El  
objetivo general es diseñar y fundamentar  
y
identificados, (c) rol docente, (d) elementos de  
un modelo didáctico (Creswell y Poth, 2018).  
La saturación teórica se alcanzó en el  
documento.  
teóricamente  
un  
modelo  
de  
integración  
didáctica (Modelo APE) basado en la literatura  
científica reciente (García et al., 2024; Juárez et  
al., 2026).  
La IA generativa se define como la "producción  
de contenidos sintéticos inéditos, en cualquier  
forma y para apoyar cualquier tarea, mediante  
modelización generativa" (García y Vázquez,  
2023). En educación, sus aplicaciones son  
diversas: chatbots para tutoría personalizada  
(Kuhail et al., 2023), sistemas adaptativos de  
Materiales y Métodos  
Se desarrolló una investigación cualitativa de  
revisión documental con enfoque teórico-  
reflexivo, basada en el análisis de literatura  
científica reciente relacionada con inteligencia  
artificial, didáctica e innovación educativa  
(Hernández et al., 2018). Se realizaron  
búsquedas en 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  
período de búsqueda comprendió publicaciones  
entre 2019 y 2026. Se incluyeron artículos  
empíricos y de revisión, en español e inglés,  
centrados en: (a) usos de IA en educación  
superior, (b) mediación pedagógica con IA, (c)  
Página 790  
aprendizaje  
(Strielkowski  
et  
al.,  
2025),  
herramientas  
de evaluación  
automatizada  
(Manning et al., 2025) y generación de recursos  
didácticos (Molina Mera et al., 2025; Quirós,  
2009). Sin embargo, como advierte García  
(2024), el debate ha cambiado de "aprender  
de/sobre/con IA" a "cómo enseñar y aprender en  
la era de la IA" (Wang y Cheng, 2021). Esto  
implica reconocer que el verdadero desafío no  
es tecnológico sino pedagógico y ético (Flores  
y
García,  
2023).  
Personalización  
del  
aprendizaje: la IA permite adaptar contenidos y  
Ciencia y Educación  
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)  
Vol. 7 No. 6.1  
Edición Especial VI 2026  
ritmos a las necesidades individuales (Gracia y  
comprenden ni transfieren (Long et al., 2026);  
Biggs y Tang, 2011). Pérdida de voz propia: los  
textos generados por IA homogeneizan el estilo  
y reducen la originalidad (García, 2024). Falsa  
sensación de competencia: los estudiantes  
sobreestiman su dominio real de los contenidos  
(Kasneci et al., 2023). Normalización del atajo  
cognitivo: se instaura la idea de que "pensar es  
innecesario si la IA lo hace por mí" (Martínez,  
2025). García (2024, p. 5) es contundente: "La  
tentación de prohibir estas herramientas en  
contextos educativos debe ceder paso a un  
esfuerzo consciente por entender lo que pueden  
aportar, especialmente en términos de análisis  
crítico y formulación de preguntas pertinentes".  
Panchano, 2025; Monje et al., 2024; Jara y  
Ochoa, 2020). Automatización de tareas  
administrativas: libera tiempo docente para  
actividades de mayor valor pedagógico (Molina  
Mera  
et  
al.,  
2025;  
Aparicio,  
2023).  
Retroalimentación inmediata: los sistemas de  
IA pueden ofrecer comentarios en tiempo real,  
mejorando la autorregulación del aprendizaje  
(Long et al., 2026; Utamachant et al., 2023).  
Acceso a recursos innovadores: la IA facilita la  
creación de simulaciones, entornos inmersivos  
y materiales multimodales (Juárez et al., 2026;  
Salloum et al., 2024).  
Dependencia tecnológica excesiva: la facilidad  
de obtener respuestas puede reducir el esfuerzo  
cognitivo y la perseverancia (Martínez, 2025;  
Torres et al., 2023). Sesgos algorítmicos y  
desinformación: la IA puede reproducir  
En la misma línea, la UNESCO (2023)  
recomienda no prohibir, sino integrar con  
sentido pedagógico. Hacia un uso pedagógico  
de la IA: la mediación docente como clave. El  
uso pedagógico de la IA implica concebirla  
como un andamiaje (scaffolding) que apoya el  
proceso de aprendizaje sin reemplazar la  
actividad cognitiva del estudiante (Vygotsky,  
1978; Wood et al., 1976). Long et al. (2026)  
proponen el modelo PMAISE (Pedagogical  
Mediation of AI for Student Engagement), que  
identifica tres mecanismos de mediación  
pedagógica: (1) retroalimentación estructurada,  
(2) andamiaje interactivo, (3) alineación  
estereotipos  
o
generar  
"alucinaciones"  
(información falsa presentada como verídica)  
(García, 2024; Comas, 2023). Privacidad y  
seguridad de datos: la recopilación masiva de  
información estudiantil plantea dilemas éticos  
no resueltos (Molina et al., 2025; Paguay et al.,  
2024). Brecha digital: el acceso desigual a la IA  
profundiza  
las  
desigualdades  
educativas  
preexistentes (Juárez et al., 2026; CEPAL-  
UNICEF, 2014). El uso instrumental se define  
como aquel en el que el estudiante emplea la IA  
como un sustituto del pensamiento (Selwyn,  
2022). Sus manifestaciones incluyen: Copia  
textual de respuestas generadas por IA sin  
modificación (García, 2024). Ausencia de  
preguntas de seguimiento o verificación de  
fuentes (Molina et al., 2025). Confianza acrítica  
en la veracidad de los contenidos generados  
(Long et al., 2026). Uso de la IA para evitar el  
personalizada.  
Juárez  
et  
al.  
(2026)  
complementan esta visión al proponer un  
modelo conceptual con cuatro dominios  
interconectados:  
Cognitivo-tecnológico:  
alfabetización algorítmica y competencias para  
interactuar críticamente con IA (Long y  
Magerko,  
2020).  
Diseño  
pedagógico:  
integración de la IA en actividades que  
promuevan pensamiento de orden superior  
(Mishra y Koehler, 2006). Ético-epistémico:  
desarrollo de criterios para evaluar la validez,  
sesgos y limitaciones de la IA (Flores y García,  
2023). Institucional-curricular: políticas y  
esfuerzo  
redactar,  
cognitivo  
analizar)  
(resolver  
problemas,  
2025).  
(Martínez,  
Aprendizaje  
superficial:  
los  
estudiantes  
recuerdan información a corto plazo, pero no la  
Página 791  
Ciencia y Educación  
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)  
Vol. 7 No. 6.1  
Edición Especial VI 2026  
estructuras  
que  
apoyen  
la  
integración  
2025),  
las  
herramientas  
de  
evaluación  
pedagógica de la IA (Llorens y García, 2023).  
La literatura coincide en que el docente sigue  
siendo insustituible, pero su rol se transforma  
radicalmente (Molina et al., 2025; Rondón,  
2023; INTEF, 2024). De "transmisor de  
información" pasa a ser: Diseñador de  
experiencias de aprendizaje mediadas por IA  
automatizada (Manning et al., 2025) y la  
generación de recursos didácticos multimedia  
(Molina et al., 2025; Quirós, 2009). Sin  
embargo, el debate en torno a la IA ha  
evolucionado de preguntarse cómo aprender  
sobre ella a reflexionar sobre cómo enseñar y  
aprender  
en  
una  
realidad  
parte  
donde  
del  
estas  
(Juárez et al., 2026). Facilitador  
del  
herramientas  
forman  
entorno  
pensamiento crítico frente a los contenidos  
generados algorítmicamente (Kasneci et al.,  
2023).  
educativo (Wang y Cheng, 2021). En este  
sentido, García (2024) sostiene que el verdadero  
desafío no es tecnológico, sino pedagógico y  
ético, ya que implica replantear las formas de  
Guía ético que ayuda a los estudiantes a navegar  
los dilemas de privacidad, sesgo y autoría  
(Molina et al., 2025). Curador de contenidos  
que selecciona, adapta y contextualiza los  
materiales generados por IA (García-Peñalvo,  
2024). Sin embargo, esta transformación exige  
formación específica. Como señala García  
construir  
conocimiento  
y
desarrollar  
competencias críticas frente al uso de estas  
tecnologías (Flores y García, 2023).  
La evidencia científica reconoce que la  
incorporación  
de  
la  
IA  
puede  
aportar  
importantes beneficios a la educación. Uno de  
los más destacados es la personalización del  
aprendizaje, ya que permite adaptar contenidos,  
actividades y ritmos de trabajo a las necesidades  
individuales de cada estudiante, favoreciendo  
procesos de enseñanza más inclusivos y  
eficientes (Gracia y Panchano, 2025; Monje et  
al., 2024; Jara y Ochoa, 2020). Asimismo, la  
automatización de tareas administrativas reduce  
la carga operativa del profesorado y posibilita  
dedicar mayor tiempo a la planificación, el  
acompañamiento y la orientación pedagógica  
(Molina et al., 2025; Aparicio, 2023). De igual  
manera, los sistemas inteligentes ofrecen  
retroalimentación inmediata, fortaleciendo la  
autorregulación del aprendizaje, mientras que la  
generación de recursos innovadores, como  
(2024),  
muchos  
en  
docentes  
IA, lo  
carecen  
de  
alfabetización  
que genera  
incertidumbre y resistencias. Martínez (2025)  
reporta que el "analfabetismo digital" de los  
docentes es una de las principales barreras para  
la integración efectiva de la IA. La Comisión  
Europea (2019) ha enfatizado que la formación  
docente debe incluir competencias para el uso  
pedagógico de tecnologías emergentes.  
Resultados y Discusión  
La inteligencia artificial (IA) generativa se  
define como la capacidad de producir  
contenidos sintéticos originales en diversos  
formatos mediante modelos generativos, con el  
propósito de apoyar múltiples tareas (García-  
Peñalvo & Vázquez-Ingelmo, 2023). En el  
ámbito educativo, esta tecnología ha adquirido  
una importancia creciente debido a su potencial  
para transformar los procesos de enseñanza y  
aprendizaje. Entre sus principales aplicaciones  
se encuentran los chatbots para tutoría  
personalizada (Kuhail et al., 2023), los sistemas  
adaptativos de aprendizaje (Strielkowski et al.,  
Página 792  
simulaciones,  
materiales  
multimodales  
y
entornos inmersivos, amplía las oportunidades  
para desarrollar experiencias educativas más  
dinámicas y significativas (Long et al., 2026;  
Utamachant et al., 2023; Juárez et al., 2026;  
Salloum et al., 2024). No obstante, la literatura  
también advierte sobre diversos riesgos  
Ciencia y Educación  
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)  
Vol. 7 No. 6.1  
Edición Especial VI 2026  
asociados con el uso de la inteligencia artificial  
superficial, caracterizado por la memorización  
temporal de información sin lograr una  
comprensión profunda ni la transferencia de  
conocimientos a nuevos contextos (Long et al.,  
2026; Biggs y Tang, 2011).  
en educación. Una dependencia excesiva de  
estas herramientas puede reducir el esfuerzo  
cognitivo, la capacidad para resolver problemas  
y la perseverancia frente a tareas complejas  
(Martínez, 2025; Torres et al., 2023).  
De igual manera, la producción constante de  
textos elaborados por inteligencia artificial  
limita el desarrollo de una voz académica propia  
y reduce la creatividad y originalidad de los  
estudiantes (García, 2024). A ello se suma la  
Además, la IA puede reproducir sesgos  
presentes en los datos con los que fue entrenada  
o generar información incorrecta presentada  
como verdadera, fenómeno conocido como  
"alucinación" (García, 2024; Comas, 2023). A  
ello se suman las preocupaciones relacionadas  
con la privacidad y protección de los datos  
personales de los estudiantes, así como el riesgo  
de ampliar las brechas digitales existentes entre  
quienes cuentan con acceso a estas tecnologías  
y quienes carecen de ellas, profundizando las  
desigualdades educativas (Molina et al., 2025;  
Paguay et al., 2024; Juárez et al., 2026; CEPAL-  
UNICEF, 2014).  
aparición  
de  
una  
falsa  
percepción  
de  
competencia, ya que muchos estudiantes  
confunden la facilidad para obtener respuestas  
con el dominio real de los contenidos (Kasneci  
et al., 2023). Como consecuencia, se fortalece  
una cultura del "atajo cognitivo", en la que el  
pensamiento  
crítico  
pierde  
protagonismo  
porque se asume que la inteligencia artificial  
puede reemplazar el esfuerzo intelectual  
necesario para aprender (Martínez, 2025).  
Desde esta perspectiva surge el concepto de uso  
instrumental de la inteligencia artificial,  
entendido como aquel en el que el estudiante  
emplea la tecnología como un sustituto del  
Frente  
a
esta  
realidad,  
numerosos  
investigadores coinciden en que la respuesta no  
consiste en prohibir el uso de la inteligencia  
artificial dentro de las instituciones educativas,  
sino en promover un uso pedagógico, crítico y  
responsable. García (2024) sostiene que estas  
pensamiento  
propio,  
delegando  
en  
ella  
actividades que deberían formar parte de su  
proceso de aprendizaje (Selwyn, 2022). Este  
comportamiento se evidencia cuando los  
estudiantes copian textualmente las respuestas  
generadas por la IA sin analizarlas ni adaptarlas  
(García, 2024), aceptan la información sin  
verificar su procedencia o confiabilidad  
(Molina et al., 2025), evitan formular preguntas  
de profundización y utilizan estas herramientas  
para resolver tareas que implican análisis,  
redacción o resolución de problemas con el  
propósito de reducir el esfuerzo cognitivo  
(Long et al., 2026; Martínez, 2025). Las  
consecuencias de este tipo de utilización  
resultan preocupantes para el desarrollo del  
aprendizaje. Diversos estudios muestran que el  
uso instrumental favorece un aprendizaje  
Página 793  
herramientas  
deben  
convertirse  
en  
oportunidades para fortalecer el análisis, la  
argumentación y la formulación de preguntas  
pertinentes, más que en mecanismos para  
obtener respuestas inmediatas. Esta postura  
coincide con las recomendaciones de la  
UNESCO (2023), organismo que plantea que la  
IA debe integrarse en los procesos educativos  
mediante orientaciones éticas y metodológicas  
que favorezcan el aprendizaje significativo y el  
desarrollo del pensamiento crítico. En este  
contexto, el uso pedagógico de la inteligencia  
artificial supone comprenderla como un recurso  
de apoyo o andamiaje que facilita el aprendizaje  
sin reemplazar la actividad cognitiva del  
estudiante,  
en  
concordancia  
con  
los  
Ciencia y Educación  
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)  
Vol. 7 No. 6.1  
Edición Especial VI 2026  
planteamientos de Vygotsky (1978) y Wood et  
al. (1976). Desde esta perspectiva, la IA actúa  
como una herramienta que amplía las  
artificial no disminuye la importancia del  
docente; por el contrario, redefine  
profundamente sus funciones dentro del  
proceso educativo. La literatura coincide en que  
el profesor deja de desempeñar únicamente el  
papel de transmisor de conocimientos para  
convertirse en un diseñador de experiencias de  
posibilidades de aprendizaje siempre que exista  
una adecuada mediación docente. Long et al.  
(2026)  
proponen  
el  
modelo  
PMAISE  
(Pedagogical Mediation of AI for Student  
Engagement),  
mecanismos  
integración  
el  
cual  
identifica  
para lograr  
tres  
una  
aprendizaje  
mediadas  
por  
tecnologías  
esenciales  
efectiva:  
inteligentes (Molina et al., 2025; Rondón, 2023;  
INTEF, 2024). Asimismo, asume el rol de  
facilitador del pensamiento crítico al orientar a  
los estudiantes en el análisis, contraste y  
evaluación de la información generada por la IA  
antes de aceptarla como válida (Kasneci et al.,  
2023).  
la  
retroalimentación  
estructurada, el andamiaje interactivo y la  
alineación personalizada de las actividades  
según  
las  
necesidades  
individuales  
del  
estudiante. Estos elementos buscan garantizar  
que la tecnología fortalezca la participación del  
alumnado en lugar de sustituir sus procesos de  
razonamiento.  
Paralelamente, se convierte en un guía ético que  
promueve  
la  
reflexión  
sobre  
aspectos  
De manera complementaria, Juárez et al. (2026)  
presentan un modelo conceptual sustentado en  
cuatro dominios interrelacionados. El primero  
corresponde al ámbito cognitivo-tecnológico,  
orientado al desarrollo de competencias para  
relacionados con la privacidad de los datos, la  
autoría académica, los sesgos algorítmicos y el  
uso responsable de estas herramientas (Molina  
et al., 2025). También desempeña la función de  
curador  
de  
contenidos,  
seleccionando,  
comprender  
el  
funcionamiento  
de  
los  
adaptando y contextualizando los materiales  
producidos por la inteligencia artificial para  
algoritmos e interactuar críticamente con la  
inteligencia artificial (Long y Magerko, 2020).  
El segundo se relaciona con el diseño  
pedagógico, centrado en la planificación de  
garantizar  
su  
pertinencia  
científica  
y
pedagógica (García, 2024). No obstante, el  
desempeño efectivo de estas nuevas funciones  
requiere procesos permanentes de formación  
docente. Diversos estudios evidencian que una  
parte importante del profesorado aún presenta  
limitaciones en su alfabetización digital y en el  
conocimiento de las posibilidades pedagógicas  
de la inteligencia artificial, situación que genera  
actividades  
que  
favorezcan  
habilidades  
cognitivas de orden superior mediante el uso de  
tecnologías inteligentes (Mishra y Koehler,  
2006). El tercer dominio, denominado ético-  
epistémico, promueve el desarrollo de criterios  
para evaluar la validez de la información,  
identificar sesgos y reconocer las limitaciones  
propias de la IA (Flores y García, 2023).  
Finalmente, el dominio institucional-curricular  
enfatiza la necesidad de establecer políticas  
educativas y estructuras organizacionales que  
respalden una integración responsable y  
sostenible de estas tecnologías en los sistemas  
educativos (Llorens y García, 2023). Bajo este  
enfoque, la incorporación de la inteligencia  
incertidumbre,  
dificultades para su integración en el aula  
(García, 2024; Martínez, 2025). En  
consecuencia, la Comisión Europea (2019)  
destaca la necesidad de fortalecer las  
resistencia  
al  
cambio  
y
competencias docentes para el uso pedagógico  
de tecnologías emergentes mediante programas  
de  
capacitación  
continua  
que  
permitan  
incorporar la inteligencia artificial desde una  
Página 794  
Ciencia y Educación  
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)  
Vol. 7 No. 6.1  
Edición Especial VI 2026  
perspectiva crítica, ética y orientada al  
crítico (García, 2024; Juárez et al., 2026; Long  
et al., 2026; Molina et al., 2025). El modelo  
APE se basa en tres principios teóricos:  
Andamiaje cognitivo (Vygotsky, 1978; Wood  
et al., 1976): la IA actúa como un "tutor" que  
apoya al estudiante en la zona de desarrollo  
próximo, pero que retira progresivamente su  
ayuda. Aprendizaje profundo (Biggs y Tang,  
2011; Marton y Säljö, 1976): se prioriza la  
comprensión, transferencia y reflexión sobre la  
aprendizaje significativo. De esta manera, la IA  
deja de concebirse como un fin en sí mismo para  
convertirse en un recurso al servicio de la  
educación, cuya efectividad depende, en gran  
medida, de la capacidad del docente para  
mediar su utilización y promover experiencias  
de aprendizaje que desarrollen autonomía,  
pensamiento crítico y construcción activa del  
conocimiento.  
mera  
reproducción  
de  
información.  
A partir del análisis documental se propone el  
Modelo APE (Andamiaje, Producción asistida,  
Evaluación crítica), un modelo de integración  
didáctica estructurado en tres fases secuenciales  
que guían al estudiante desde un uso  
dependiente de la IA hacia un uso autónomo y  
Pensamiento crítico algorítmico (Juárez et al.,  
2026; Kasneci et al., 2023): el estudiante  
desarrolla habilidades para evaluar, cuestionar y  
validar los outputs de la IA.  
Tabla 1. Estructura de modelo.  
Ejemplo de actividad  
Fase  
Rol de la IA  
Rol del estudiante  
Rol del docente  
(adaptado de Long et  
al., 2026)  
"Pide a la IA que  
Evidencia de transición  
explique el teorema de  
Bayes como si tuvieras  
15 años. Luego, pide una  
analogía opuesta. ¿Cuál  
explica mejor? ¿Por  
qué?" (García-Peñalvo,  
2024)  
Diseña prompts guía,  
selecciona  
herramientas, activa  
conocimientos previos  
(Rondón, 2023)  
Genera explicaciones,  
ejemplos, analogías,  
perspectivas múltiples  
Compara, cuestiona, pide  
fuentes, identifica  
contradicciones  
Pasa de aceptar  
pasivamente a interrogar  
activamente  
A - ANDAMIAJE  
"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)  
Reescribe con voz propia,  
selecciona ideas  
relevantes, añade  
referencias externas,  
justifica cambios (Molina  
Mera et al., 2025)  
Establece criterios de  
calidad, media en la  
co-evaluación,  
promueve la  
comparación IA-  
humano  
Ofrece borradores  
iniciales, esquemas,  
preguntas guía,  
retroalimentación  
formativa  
P - PRODUCCIÓN  
ASISTIDA  
Pasa de copiar  
textualmente a adaptar y crear  
"¿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)  
Detecta sesgos,  
alucinaciones y  
limitaciones; verifica con  
fuentes externas; corrige  
y mejora el output  
Propone rúbricas de  
evaluación que  
penalizan la  
aceptación acrítica,  
promueve la  
Simula errores  
comunes, ofrece  
contraejemplos, genera  
preguntas de  
E -  
EVALUACIÓN  
CRÍTICA  
Pasa de confiar  
ciegamente a validar y  
argumentar  
verificación  
(Flores-Vivar & García-  
Peñalvo, 2023)  
autoevaluación  
reflexiva  
Fuente: Elaboración propia.  
El modelo APE no es lineal ni jerárquico; se  
sustenta en tres relaciones pedagógicas  
actividades, selecciona herramientas y establece  
criterios que convierten a la IA en un andamio,  
no en una muleta (Molina et al., 2025; Rondón,  
interdependientes (Juárez et al., 2026; Long et  
al., 2026): Relación estudiante-IA (interacción  
2023).  
Relación  
estudiante-estudiante  
crítica):  
el  
estudiante  
no  
"consulta"  
(colaboración): la IA se usa como punto de  
partida para discusiones, debates y co-  
construcción de conocimiento entre pares (De  
Gracia, 2024; Long et al., 2026).  
pasivamente, sino que interroga, verifica,  
compara y cuestiona los outputs de la IA  
(Kasneci et al., 2023). Relación docente-IA  
(mediación pedagógica): el docente diseña  
Página 795  
Ciencia y Educación  
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)  
Vol. 7 No. 6.1  
Edición Especial VI 2026  
Tabla 2. Indicadores de progreso en el modelo APE.  
Dimensión  
Frecuencia de copia textual  
Uso instrumental (inicial)  
Alta (>70% del texto) (Molina Mera et al., 2025)  
Uso pedagógico (deseado)  
Baja (<20% del texto)  
4+ (preguntas de seguimiento, desafíos,  
verificaciones)  
Número de iteraciones con IA  
1-2 (pregunta única) (García-Peñalvo, 2024)  
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.  
Para la Maestría en IA de la UNEMI, se sugiere  
una implementación gradual (García, 2024);  
(INTEF, 2024): Capacitación docente en el  
modelo APE (4 horas) (Molina et al., 2025).  
Diseño colaborativo de 2-3 actividades por fase.  
Aplicación en un grupo reducido (n=10-15  
estudiantes). Formación de una comunidad de  
recurso de apoyo para fortalecer el pensamiento  
crítico y no como un sustituto de los procesos  
cognitivos del estudiante (Juárez et al., 2026).  
La revisión también permitió identificar riesgos  
relevantes asociados con una incorporación  
inadecuada de la inteligencia artificial en los  
procesos educativos. Entre ellos destacan la  
consolidación de aprendizajes superficiales, la  
práctica  
docente  
(García,  
2024).  
Acompañamiento y coevaluación entre pares.  
Ajuste del modelo según retroalimentación.  
Integración del modelo APE en el diseño  
curricular (Juárez et al., 2026). Desarrollo de  
disminución  
de  
habilidades  
cognitivas  
fundamentales como la argumentación, el  
análisis crítico y la resolución de problemas, el  
incremento de las desigualdades derivadas de la  
brecha digital y el riesgo de desprofesionalizar  
la labor docente cuando la tecnología se utiliza  
para reemplazar, en lugar de potenciar, su papel  
formativo (García, 2024; Selwyn, 2022;  
Martínez, 2025; Juárez et al., 2026).  
rúbricas  
institucionales  
de  
evaluación.  
Generación de recomendaciones para políticas  
de IA en la UNEMI (UNESCO, 2023).  
Conclusiones  
El presente estudio permitió evidenciar que uno  
de los principales desafíos de la incorporación  
de la inteligencia artificial en la educación  
superior radica en la transición desde un uso  
Estos hallazgos evidencian que la incorporación  
de la IA requiere una planificación pedagógica  
intencionada que priorice el aprendizaje por  
encima del uso tecnológico. En contraste, la  
meramente  
instrumental  
hacia  
un  
uso  
pedagógico que favorezca el aprendizaje  
profundo. La revisión de la literatura muestra  
que una proporción importante de estudiantes  
utiliza estas herramientas de manera acrítica,  
limitándose a obtener respuestas rápidas sin  
desarrollar procesos de análisis, reflexión o  
evidencia  
revisada  
demuestra  
que  
una  
implementación adecuada del modelo APE  
puede generar importantes beneficios para la  
educación superior. La inteligencia artificial  
puede convertirse en un recurso que estimule el  
pensamiento  
crítico  
la  
al  
promover  
el  
la  
construcción  
del  
conocimiento  
(García-  
cuestionamiento,  
argumentación  
y
Peñalvo, 2024; Long et al., 2026; Molina Mera  
et al., 2025). En este contexto, se plantea el  
modelo APE (Andamiaje, Producción asistida y  
Evaluación crítica) como una propuesta  
didáctica orientada a guiar al docente en la  
integración pedagógica de la inteligencia  
artificial, promoviendo que esta actúe como un  
evaluación de la información generada por los  
sistemas inteligentes. Asimismo, favorece la  
personalización del aprendizaje respetando las  
necesidades individuales de los estudiantes,  
reduce la carga administrativa del profesorado y  
libera tiempo para actividades de mayor valor  
pedagógico, como el acompañamiento y la  
Página 796  
Ciencia y Educación  
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)  
Vol. 7 No. 6.1  
Edición Especial VI 2026  
retroalimentación. En consecuencia, el modelo  
instrumentos que permitan medir la transición  
desde un uso instrumental hacia un uso  
pedagógico de la IA y adaptar el modelo a  
distintos niveles educativos y contextos  
sociales, incluyendo educación secundaria,  
formación profesional, instituciones rurales y  
poblaciones en situación de vulnerabilidad  
(Juárez et al., 2026; Long et al., 2026; García-  
Peñalvo, 2024).  
contribuye a la formación de profesionales  
capaces de interactuar de manera crítica, ética y  
responsable  
con tecnologías basadas  
en  
inteligencia artificial (Long et al., 2026; García-  
Peñalvo, 2024; Gracia Loor y Panchano  
Valencia, 2025; Molina et al., 2025; Juárez et  
al., 2026).  
Otro de los hallazgos más consistentes de la  
revisión documental es la necesidad urgente de  
Considerando el contexto institucional de la  
Universidad Estatal de Milagro (UNEMI), se  
recomienda establecer una política institucional  
que regule el uso pedagógico de la inteligencia  
artificial en lugar de restringirlo, incorporando  
lineamientos éticos y metodológicos para su  
utilización responsable. De igual manera,  
resulta pertinente implementar programas  
fortalecer  
la  
formación  
docente  
en  
competencias relacionadas con la inteligencia  
artificial. La literatura coincide en señalar que  
el desconocimiento sobre estas tecnologías  
constituye una de las principales barreras para  
su integración efectiva en los procesos de  
enseñanza  
y
aprendizaje  
(García,  
2024;  
Martínez, 2025; UNESCO, 2023). En este  
obligatorios  
de  
capacitación  
docente  
en  
sentido,  
resulta  
indispensable  
de  
promover  
alfabetización algorítmica y en el modelo APE,  
rediseñar las actividades de evaluación para  
privilegiar el análisis crítico de los productos  
generados por IA, crear una comisión  
especializada que monitoree la evolución de  
estas tecnologías y promueva la actualización  
permanente de las políticas institucionales, así  
programas  
permanentes  
capacitación,  
comunidades de práctica que faciliten el  
intercambio de experiencias y mecanismos  
institucionales que reconozcan e incentiven la  
innovación educativa, superando la lógica de  
capacitaciones aisladas y favoreciendo un  
desarrollo profesional continuo (INTEF, 2024;  
Rondón, 2023).  
como  
fortalecer  
la  
investigación  
sobre  
inteligencia artificial educativa desde los  
programas de posgrado de la universidad. Estas  
Si bien el presente trabajo aporta una propuesta  
conceptual para orientar el uso pedagógico de la  
inteligencia artificial, es importante reconocer  
que se trata de una investigación documental,  
por lo que el modelo APE aún no ha sido  
validado empíricamente (Hernández et al.,  
2018). En consecuencia, futuras investigaciones  
deberían evaluar su aplicación mediante  
estudios cuasiexperimentales, estudios de caso  
o investigaciones longitudinales que permitan  
analizar su impacto sobre el aprendizaje  
profundo, el pensamiento crítico y las  
competencias digitales de los estudiantes.  
acciones  
contribuirán  
a
consolidar  
una  
integración responsable de la inteligencia  
artificial, orientada al fortalecimiento del  
aprendizaje  
significativo,  
la  
innovación  
pedagógica y la formación de profesionales  
capaces de enfrentar los desafíos de una  
sociedad cada vez más digitalizada.  
Referencias Bibliográficas  
Aparicio, O. (2023). La inteligencia artificial y  
su  
incidencia  
en  
la  
educación:  
Transformando el aprendizaje para el siglo  
XXI. Revista Internacional de Pedagogía e  
Asimismo,  
sería  
pertinente  
diseñar  
Página 797  
Ciencia y Educación  
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)  
Vol. 7 No. 6.1  
Edición Especial VI 2026  
Innovación  
Educativa,  
3(2),  
217230.  
de Educación a Distancia, 27(1), 939.  
Gough, D., Oliver, S., & Thomas, J. (2017). An  
introduction to systematic reviews (2nd ed.).  
SAGE.  
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  
Gracia Loor, J. M., & Panchano Valencia, A. M.  
(2025). Desafíos y oportunidades de la  
inteligencia artificial en la educación: Una  
revisión sistemática. ASCE, 4(2), 185200.  
Hernández-Sampieri, R., Fernández, C., &  
Baptista, P. (2018). Metodología de la  
investigación (7.ª ed.). McGraw-Hill.  
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. En 8th  
INTEF. (2024). Inteligencia artificial en el  
ámbito educativo: Guía sobre el uso de la IA  
en el ámbito educativo. Instituto Nacional de  
Tecnologías Educativas y de Formación del  
Virtual  
International  
Conference  
on  
Education, Innovation and ICT (pp. 329–  
Profesorado.  
Comisión Europea. (2019). Digital education at  
school  
in  
Europe.  
Eurydice.  
Jara, I., & Ochoa, J. (2020). Usos y efectos de  
la inteligencia artificial en educación. Banco  
Creswell, J. W., & Poth, C. N. (2018).  
Qualitative inquiry and research design:  
Choosing among five approaches (4th ed.).  
SAGE.  
Interamericano  
de  
Desarrollo.  
De  
Gracia,  
A.  
(2024).  
El  
aprendizaje  
colaborativo como estrategia didáctica en  
ambientes virtuales. Saberes, 7(1), 106128.  
Flores-Vivar, J. M., & García-Peñalvo, F. J.  
(2023). Reflections on the ethics, potential,  
and challenges of AI in the framework of  
Juárez-Vázquez, S., Sol Sampedro, F. J., &  
Hernández Ruíz, N. (2026). IA generativa y  
transformación de la enseñanza en la  
educación superior: Revisión sistemática y  
quality  
education  
(SDG4).  
Comunicar,  
modelo  
conceptual.  
RIED.  
Revista  
Iberoamericana de Educación a Distancia,  
29(2).  
García-Peñalvo, F. J. (2024). Inteligencia  
artificial generativa y educación: Un análisis  
desde múltiples perspectivas. Education in  
Kasneci, E., Kasneci, G., Bachlechner, F., et al.  
(2023). ChatGPT for good? On opportunities  
and challenges of large language models for  
the  
Knowledge  
Society,  
25,  
e31942.  
education.  
Differences,  
Learning  
103,  
and  
Individual  
102274.  
García-Peñalvo, F. J., & Vázquez-Ingelmo, A.  
(2023). What do we mean by GenAI?  
Kitchenham, B., & Charters, S. (2007).  
International  
Multimedia and Artificial Intelligence, 8(4),  
716.  
Journal  
of  
Interactive  
Guidelines  
literature reviews in software engineering.  
Keele University.  
for  
performing  
systematic  
García-Peñalvo, F. J., Llorens-Largo, F., &  
Vidal, J. (2024). The new reality of education  
in the face of advances in generative artificial  
intelligence. RIED. Revista Iberoamericana  
Kuhail, M. A., Alturki, N., Alramlawi, S., &  
Alhejori,  
K.  
(2023).  
Interacting  
with  
educational chatbots: A systematic review.  
Education and Information Technologies,  
Página 798  
Ciencia y Educación  
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)  
Vol. 7 No. 6.1  
Edición Especial VI 2026  
28(1),  
9731018.  
artificial. LATAM Revista Latinoamericana  
Llorens-Largo, F., & García-Peñalvo, F. J.  
(2023). La inteligencia artificial en el  
de Ciencias Sociales y Humanidades, 5(3),  
772786.  
Paguay, M., et al. (2024). La ética en el uso de  
la inteligencia artificial en los procesos  
educativos. Revista Científica, 8(19e), 145–  
158.  
gobierno  
Alicante.  
universitario.  
Universidad  
de  
Long, D., & Magerko, B. (2020). What is AI  
literacy? Competencies and design  
Quirós,  
E.  
(2009).  
Recursos  
didácticos  
considerations. Proceedings of the 2020 CHI  
Conference on Human Factors in Computing  
digitales: Medios innovadores para el trabajo  
colaborativo. Educare, 13(2), 4762.  
Systems,  
116.  
Rondón, G. (2023). El rol docente en el uso de  
Long, D. Y., Wang, S., Md Rashid, S., & Lu, X.  
T. (2026). Artificial intelligence in higher  
education: A systematic review of its impact  
la  
inteligencia  
artificial  
en  
ambientes  
educativos. Diálogica, 20(2), 4970.  
Rouhiainen, L. (2018). Inteligencia artificial:  
101 cosas que debes saber hoy sobre nuestro  
futuro. Planeta.  
Salloum, S. A., Alhamad, A. Q., Al-Emran, M.,  
Monem, A. A., & Shaalan, K. (2024).  
Adoption of 3D holograms in science  
education. IEEE Access, 12, 7098470998.  
on  
student  
engagement.  
10,  
Frontiers  
in  
Education,  
1648661.  
Manning, J., Baldwin, J., & Powell, N. (2025).  
Human versus machine: The effectiveness of  
ChatGPT in automated essay scoring.  
Innovations in Education and Teaching  
International,  
62,  
15001513.  
Selwyn, N. (2022). Education and technology:  
Key issues and debates (3rd ed.). Bloomsbury  
Strielkowski, W., Wang, J., Cheng, E. C. K.,  
Umarbekova, A., & Bilan, Y. (2025). AI-  
driven adaptive learning for sustainable  
Martínez-Márquez, M. (2025). Inteligencia  
Artificial y Educación. Revista Docentes 2.0,  
18(1), 245257.  
Marton, F., & Säljö, R. (1976). On qualitative  
differences in learning: I. Outcome and  
process. British Journal of Educational  
educational  
Development,  
transformation.  
33(3),  
Sustainable  
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  
Psychology,  
46(1),  
411.  
Mishra, P., & Koehler, M. J. (2006).  
Technological  
knowledge:  
knowledge.  
108(6),  
pedagogical  
framework for teacher  
Teachers College Record,  
10171054.  
content  
A
inicio  
rápido.  
UNESCO.  
UNICEF. (2021). Orientación de políticas sobre  
el uso de la inteligencia artificial en favor de  
Molina Mera, J. S., Lucio Paredes, A. O., &  
Chicaiza Morocho, D. C. (2025). Uso ético  
pedagógico de la inteligencia artificial en  
educación. Ciencia Latina Revista Científica  
la  
infancia.  
UNICEF.  
Utamachant, P., Anutariya, C., & Pongmunkul,  
S. (2023). I-Ntervene: Applying an evidence-  
based learning analytics intervention. Smart  
Multidisciplinar,  
9(4).  
Monje, M., et al. (2024). Personalización del  
proceso de aprendizaje mediante inteligencia  
Learning  
Environments,  
10(1),  
37.  
Página 799  
Ciencia y Educación  
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)  
Vol. 7 No. 6.1  
Edición Especial VI 2026  
Vygotsky, L. S. (1978). Mind in society: The  
100.  
development  
processes.  
of  
Harvard  
higher  
psychological  
Press.  
University  
Zawacki-Richter, O., Marín, V. I., Bond, M., &  
Gouverneur, F. (2019). Systematic review of  
research on artificial intelligence applications  
in higher education: Where are the educators?  
Wang, T., & Cheng, E. C. K. (2021). An  
investigation of barriers to Hong Kong K12  
schools incorporating artificial intelligence in  
International  
Journal  
of  
Educational  
education.  
Artificial  
Computers  
Intelligence,  
and  
2,  
Education:  
100031.  
Technology in Higher Education, 16(39).  
Wood, D., Bruner, J. S., & Ross, G. (1976). The  
role of tutoring in problem solving. Journal of  
Child Psychology and Psychiatry, 17(2), 89–  
Esta obra está bajo una licencia de  
Creative Commons Reconocimiento-No Comercial  
4.0 Internacional. Copyright © Gabriela Katheirne  
Rosero Guerra.  
Declaraciones éticas y editoriales del artículo  
Contribución de los autores (Taxonomía CRediT)  
Gabriela Katheirne 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.  
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 800