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