Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 7
Edición Julio del 2026
Página 181
USO ÉTICO DE LA INTELIGENCIA ARTIFICIAL GENERATIVA EN EDUCACIÓN
ESCOLAR
ETHICAL USE OF GENERATIVE ARTIFICIAL INTELLIGENCE IN SCHOOL
EDUCATION
Autores: ¹Margarita Elizabeth Rocha Chasi, ²Paola Mariuxi Solórzano David, ³Jorge Fernando
Mero Oña, ⁴Juan Carlos Segura Zarchi, ⁵Verónica Alexandra Anatoa Cárdenas.
¹ORCID ID: https://orcid.org/0009-0008-1543-377X
²ORCID ID: https://orcid.org/0009-0002-2949-0405
³ORCID ID: https://orcid.org/0009-0004-7037-7353
⁴ORCID ID: https://orcid.org/0009-0008-6325-9737
⁵ORCID ID: https://orcid.org/0009-0004-8143-7665
¹E-mail de contacto: elizabeth.rocha@docentes.educacion.edu.ec
²E-mail de contacto: milagro9000@hotmail.com
³E-mail de contacto: jorge.mero@unesum.edu.ec
⁴E-mail de contacto: jjcarlossegura@gmail.com
⁵E-mail de contacto: vaac_22073@hotmail.com
Afiliación:
1*2*4*5*
Autor Independiente, (Ecuador).
3*
Universidad Estatal del Sur de Manabí, (Ecuador).
Articulo recibido: 4 de Julio del 2026.
Articulo revisado: 6 de Julio del 2026.
Articulo aprobado: 6 de Julio del 2026.
¹Licenciada en Ciencias de la Educación, mención inglés, graduada por la Universidad Técnica de Cotopaxi, (Ecuador). Magíster en
Educación con mención en Pedagogía en Entornos Digitales, egresada de la Universidad Bolivariana del Ecuador, (Ecuador). Docente de
Inglés e investigadora con 16 años de experiencia profesional.
²Ingeniera en Marketing, graduada por la Universidad Estatal de Milagro, (Ecuador). Máster en Gestión, Dirección y Diseño de Proyectos
(Puerto Rico). Magíster en Pedagogía en Matemáticas, (Ecuador). Profesional con 15 años de experiencia administrativa y 10 años de
práctica docente.
³Ingeniero en Empresas y Negocios, graduado de la Universidad Tecnológica Equinoccial, (Ecuador). Máster en Gerencia Educativa.
Docente con 7 años de experiencia profesional.
⁴Licenciado en Ciencias de la Educación mención Informática, egresada de la Universidad Central del Ecuador, (Ecuador). Docente con
12 años de experiencia profesional.
⁵Licenciada en Ciencias de la Educación, mención Físico Matemático, graduada por la Universidad Técnica Particular de Loja (Ecuador).
Docente con 15 años de experiencia profesional.
Resumen
El estudio examinó el uso ético de la
inteligencia artificial generativa en la educación
escolar, considerando que su incorporación
acelerada ha generado desafíos relacionados
con integridad académica, privacidad,
pensamiento crítico, equidad y regulación
institucional, aspectos que demandaron
orientaciones pedagógicas sustentadas en
evidencia científica reciente. El objetivo
general buscó analizar la evidencia científica
sobre el uso ético de la inteligencia artificial
generativa en la educación escolar. Se
desarrolló una investigación cualitativa,
descriptiva y bibliográfica, apoyada en métodos
teórico, inductivo-deductivo, analítico-sintético
y análisis documental. Los resultados
demostraron un consenso respecto a la
necesidad de alfabetización ética, formación
docente permanente, políticas institucionales,
protección de datos y evaluación transparente,
mientras persistieron limitaciones asociadas
con dependencia tecnológica, vacíos
regulatorios y desigualdades de acceso. En
conclusión, se interpretó que la inteligencia
artificial generativa alcanzó verdadero
potencial educativo únicamente cuando su
utilización permaneció acompañada por
criterios éticos, mediación pedagógica y
gobernanza institucional, aportando
fundamentos para diseñar estrategias
innovadoras que favorecieron una integración
responsable, inclusiva y sostenible dentro de los
procesos de enseñanza y aprendizaje escolar.
Palabras clave: Ética, Inteligencia Artificial,
Generativa, Educación, Escolar.
Abstract
The study examined the ethical use of
generative artificial intelligence in school
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 7
Edición Julio del 2026
Página 182
education, given that its rapid adoption has
raised challenges related to academic integrity,
privacy, critical thinking, equity, and
institutional regulation issues that called for
pedagogical guidelines grounded in recent
scientific evidence. The overall objective was to
analyze the scientific evidence regarding the
ethical use of generative artificial intelligence in
school education. A qualitative, descriptive, and
bibliographic study was conducted, drawing on
theoretical, inductive-deductive, analytical-
synthetic, and documentary analysis methods.
The results demonstrated a consensus regarding
the need for ethical literacy, ongoing teacher
training, institutional policies, data protection,
and transparent assessment, while limitations
associated with technological dependence,
regulatory gaps, and inequalities in access
persisted. In conclusion, it was determined that
generative artificial intelligence achieved its
true educational potential only when its use was
accompanied by ethical criteria, pedagogical
mediation, and institutional governance,
providing a foundation for designing innovative
strategies that fostered responsible, inclusive,
and sustainable integration into school teaching
and learning processes.
Keywords: Ethics, Artificial Intelligence,
Generative, Education, School.
Sumário
O estudo examinou o uso ético da inteligência
artificial generativa na educação escolar,
considerando que sua rápida incorporação
gerou desafios relacionados à integridade
acadêmica, privacidade, pensamento crítico,
equidade e regulamentação institucional
aspectos que exigiram orientações pedagógicas
fundamentadas em evidências científicas
recentes. O objetivo geral foi analisar as
evidências científicas sobre o uso ético da
inteligência artificial generativa na educação
escolar. Foi desenvolvida uma pesquisa
qualitativa, descritiva e bibliográfica, apoiada
em métodos teóricos, indutivo-dedutivos,
analítico-sintéticos e de análise documental. Os
resultados demonstraram um consenso quanto à
necessidade de alfabetização ética, formação
contínua de professores, políticas institucionais,
proteção de dados e avaliação transparente,
enquanto persistiram limitações associadas à
dependência tecnológica, lacunas regulatórias e
desigualdades de acesso. Em conclusão,
interpretou-se que a inteligência artificial
generativa atingiu seu verdadeiro potencial
educacional somente quando seu uso foi
acompanhado por critérios éticos, mediação
pedagógica e governança institucional,
fornecendo fundamentos para a elaboração de
estratégias inovadoras que favoreceram uma
integração responsável, inclusiva e sustentável
nos processos de ensino e aprendizagem
escolar.
Palavras-chave: Ética, Inteligência
Artificial, Generativa, Educação, Escolar.
Introducción
La inteligencia artificial generativa ha adquirido
una relevancia creciente dentro del ámbito
educativo debido a su capacidad para
personalizar el aprendizaje, optimizar la
creación de contenidos y transformar los
procesos de enseñanza (Martínez, 2025).
Paralelamente, la producción científica reciente
ha desplazado el interés desde los beneficios
tecnológicos hacia el análisis de sus
implicaciones éticas, enfatizando la
alfabetización digital, la integridad académica,
la regulación institucional y la formación crítica
como condiciones indispensables para una
incorporación responsable en los sistemas
educativos. La incorporación de la inteligencia
artificial generativa en los procesos educativos
avanza con mayor rapidez que el desarrollo de
orientaciones éticas para regular su utilización
(Arreaga et al., 2025).
En Ecuador, el 68 % de las universidades carece
de infraestructura tecnológica adecuada para
implementar herramientas avanzadas de
inteligencia artificial, mientras únicamente el
22 % del profesorado de arquitectura ha
recibido capacitación formal para integrarlas
pedagógicamente. Estas limitaciones reducen la
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 7
Edición Julio del 2026
Página 183
posibilidad de un uso responsable y evidencian
la ausencia de condiciones institucionales
necesarias para garantizar prácticas educativas
éticas y sostenibles (Cali et al., 2025). Las
dificultades trascienden el acceso tecnológico y
comprometen la integridad académica. En una
universidad ecuatoriana, el 92 % del
estudiantado manifestó utilizar herramientas de
inteligencia artificial generativa durante sus
actividades académicas; simultáneamente, el 68
% expresó preocupación por la inexistencia de
lineamientos éticos claros para orientar su
empleo. A ello se añade que el 74 % de los
portafolios estudiantiles omitió reconocer el uso
de estas herramientas, situación que incrementa
los conflictos relacionados con autoría,
transparencia y originalidad de la producción
académica (Cali et al., 2025).
Este panorama demuestra que la expansión de
la inteligencia artificial generativa continúa
desarrollándose con vacíos normativos que
dificultan una integración responsable dentro de
los contextos educativos. En función a lo
mencionado, persiste una incorporación
creciente de la inteligencia artificial generativa
en los procesos educativos sin lineamientos
éticos suficientemente consolidados para
orientar su utilización responsable,
circunstancia que favorece incertidumbres
relacionadas con la integridad académica, la
formación crítica, la autoría intelectual y la
regulación institucional, comprometiendo
prácticas pedagógicas confiables y
transparentes. Ante este problema se formula la
pregunta rectora de investigación ¿Cómo
contribuye el uso ético de la inteligencia
artificial generativa al fortalecimiento de
prácticas educativas escolares responsables?
Esta interrogante da lugar a la siguientes
preguntas complementarias ¿Cuáles son los
principales desafíos éticos asociados con el uso
de la inteligencia artificial generativa en los
procesos educativos?; ¿Qué papel desempeña la
formación ética y la alfabetización en
inteligencia artificial para promover un uso
responsable de estas tecnologías?; ¿Qué riesgos
presenta la ausencia de políticas institucionales
y marcos regulatorios para la utilización de
inteligencia artificial generativa en educación?
y ¿Qué orientaciones propone la literatura
científica para favorecer una integración ética
de la inteligencia artificial generativa en los
procesos de enseñanza y aprendizaje?
En este sentido es oportuno sustentar las
variables estudiadas desde la perspectiva teórica
de diferentes autores. Ayala (2025),
conceptualizan el uso ético de la inteligencia
artificial generativa como una práctica
educativa guiada por privacidad, equidad,
transparencia, responsabilidad pedagógica y
vigilancia crítica de sesgos. Comprende el
empleo de sistemas capaces de producir textos,
imágenes o respuestas adaptativas, siempre
subordinados a fines formativos. Sus rasgos
centrales incluyen protección de datos,
trazabilidad de autoría, supervisión docente,
alfabetización algorítmica y preservación del
juicio humano en decisiones escolares
evaluativas complejas y situadas.
Ricra et al. (2026), clasifican el uso ético de la
inteligencia artificial generativa mediante cinco
dimensiones: formación ética, desafíos
institucionales, ausencia normativa, percepción
educativa y riesgos emergentes. Esta
organización permite comprender que la ética
no se limita a prohibir usos indebidos, sino a
formar criterios de discernimiento. La
alfabetización en IA generativa, la prevención
del plagio, la gestión de datos y la regulación
interna configuran factores decisivos para una
adopción responsable escolar sostenida y
verificable. Villena et al. (2024), sitúan la
integridad académica como dimensión medular
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 7
Edición Julio del 2026
Página 184
del uso ético, debido a que las herramientas
generativas alteran la autoría, la evaluación y la
atribución del trabajo intelectual. García (2024),
añaden la brecha digital, la falta de
capacitación, la protección de datos y los sesgos
cognitivos como factores que condicionan su
empleo pedagógico. Su clasificación exige
protocolos, acompañamiento docente y criterios
transparentes de uso escolar responsable,
evaluable y contextual.
Bolaño y Duarte (2024), entienden la educación
escolar como un proceso organizado de
enseñanza, aprendizaje, seguimiento y
acompañamiento orientado al desarrollo
integral del estudiante. Esta variable integra
interacciones docentes, recursos didácticos,
evaluación, inclusión y gestión pedagógica. Sus
características principales son la
intencionalidad formativa, la mediación
institucional, la construcción progresiva de
competencias y la atención diferenciada a
ritmos, necesidades y trayectorias, sin reducir el
aprendizaje a rendimiento medible
cuantitativamente dentro de trayectorias
humanas diversas, inclusivas, formativas.
Arias et al. (2025), describen la educación
escolar desde la personalización del
aprendizaje, entendida como adaptación de
contenidos, métodos y ritmos a las
características individuales del alumnado. Esta
dimensión incorpora recursos generativos,
retroalimentación inmediata, materiales
ajustados y experiencias inclusivas. En
Educación General Básica, la escolaridad
demanda equidad, acompañamiento docente y
protección de menores, pues las tecnologías
pueden ampliar oportunidades educativas,
aunque también intensificar desigualdades
cuando faltan acceso, orientación y formación
ética sistemática, docente y normativa
(Martínez, 2024). Yépez et al. (2024), ubican la
educación básica ante una transformación
didáctica donde la inteligencia artificial
generativa favorece competencias cognitivas,
aprendizajes interdisciplinarios y nuevas
preguntas éticas. Desde esta perspectiva, sus
dimensiones abarcan currículo, mediación
docente, evaluación, pensamiento crítico y
ciudadanía digital.
El rendimiento escolar no constituye el único
indicador relevante; también importan
autonomía, comprensión, responsabilidad,
colaboración y capacidad de valorar
información producida por sistemas
algorítmicos antes de incorporarla al
aprendizaje escolar con criterio reflexivo
autónomo. La relación entre uso ético de la
inteligencia artificial generativa y educación
escolar se configura mediante la mediación
pedagógica. Arroba et al. (2026), sostienen que
la personalización y la eficiencia docente solo
adquieren valor educativo cuando se
acompañan de marcos regulatorios y estrategias
didácticas críticas. La escuela convierte la
herramienta en recurso formativo al exigir
verificación, transparencia, protección de datos
y autoría reconocible, evitando que la
automatización sustituya el razonamiento
estudiantil autónomo, crítico y situado.
La vinculación entre ambas variables también
opera mediante la tensión entre apoyo cognitivo
y dependencia tecnológica. Ricra et al. (2026),
advierten que la alfabetización ética debe
prevenir la pérdida de pensamiento crítico,
mientras Salazar et al. (2024), señalan riesgos
sobre integridad académica y fiabilidad
evaluativa. En la educación escolar, estos
mecanismos demandan tareas que valoren
proceso, argumentación, contraste de fuentes y
uso declarado de IA, no solo productos finales
aparentemente correctos y formalmente
persuasivos. Desde las perspectivas teórica, el
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 7
Edición Julio del 2026
Página 185
conectivismo de Siemens y Downes concibe el
aprendizaje como una red de conexiones entre
personas, información y tecnologías, donde
saber implica localizar, evaluar y actualizar
conocimiento distribuido. Esta teoría resulta
pertinente porque la inteligencia artificial
generativa amplía los nodos disponibles para
aprender, aunque exige criterios éticos para
seleccionar respuestas, reconocer límites
algorítmicos y preservar autonomía. Desde esta
mirada, la educación escolar debe formar
estudiantes capaces de aprender con sistemas
digitales, sin subordinarse a ellos (Sánchez et
al., 2019).
La teoría del constructivismo, propuesta por
Jean Piaget, sostiene que el aprendizaje surge
mediante la construcción activa del
conocimiento a partir de la interacción entre el
individuo y su entorno, proceso que implica
reorganizar continuamente las estructuras
cognitivas mediante la asimilación y la
acomodación. Esta perspectiva permite
comprender que la inteligencia artificial
generativa debe desempeñar un papel de apoyo
y no de sustitución del razonamiento del
estudiante, favoreciendo experiencias que
estimulen la reflexión, la resolución de
problemas, la autonomía intelectual y la
elaboración personal del conocimiento dentro
de la educación escolar (Jiménez, 2014).
La teoría del aprendizaje significativo de
Ausubel sostiene que aprender supone
relacionar información nueva con saberes
previos de manera sustantiva, no mecánica. Esta
perspectiva permite comprender la inteligencia
artificial generativa como mediación útil
cuando ayuda a explicar, ejemplificar o
reorganizar contenidos según estructuras
cognitivas del estudiante. Su pertinencia
educativa aparece cuando el uso ético impide
respuestas copiadas, favorece comprensión
profunda y exige que el alumnado transforme la
información generada en conocimiento propio
verificable y argumentado (Rodríguez, 2004).
En consecuencia, el estudio adquiere especial
relevancia debido al acelerado incremento de
estas herramientas en los procesos de enseñanza
y aprendizaje, mientras persisten insuficiencias
relacionadas con la formación ética, la
integridad académica y la orientación
institucional para su empleo responsable. La
incorporación tecnológica requiere desarrollar
criterios de transparencia, pensamiento crítico y
responsabilidad, evitando prácticas que
comprometan la calidad educativa y la
autonomía del aprendizaje.
Desde la perspectiva teórica, el estudio
sistematizará los fundamentos científicos
asociados con la ética, la alfabetización digital
y la regulación del empleo de inteligencia
artificial generativa en educación.
Metodológicamente, proporcionará una
revisión documental organizada mediante el
análisis crítico de evidencia científica reciente,
permitiendo identificar tendencias, vacíos
investigativos y propuestas ampliamente
respaldadas. En el plano práctico, ofrecerá
orientaciones fundamentadas para favorecer
decisiones pedagógicas responsables, fortalecer
la integridad académica y apoyar la elaboración
de criterios institucionales que promuevan un
uso reflexivo de estas tecnologías en los
procesos educativos.
La novedad científica reside en examinar la
inteligencia artificial generativa desde una
perspectiva centrada en la ética educativa,
integrando formación, regulación e integridad
académica como dimensiones inseparables del
proceso educativo. Según Ricra et al. (2026), la
incorporación responsable de estas tecnologías
exige combinar alfabetización en inteligencia
artificial con formación ética para fortalecer el
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 7
Edición Julio del 2026
Página 186
pensamiento crítico. Los principales
beneficiarios serán docentes, estudiantes,
directivos escolares y responsables del diseño
de políticas educativas. La presente
investigación tiene como objetivo, analizar la
evidencia científica sobre el uso ético de la
inteligencia artificial generativa en la educación
escolar.
Materiales y Métodos
El estudio se desarrolló desde un enfoque
cualitativo, orientado a comprender fenómenos
mediante la interpretación crítica de
información documental especializada (Cohen
y Gómez, 2019). Esta elección respondió a la
naturaleza del problema investigado, centrado
en el uso ético de la inteligencia artificial
generativa dentro de la educación escolar, cuya
comprensión exigió examinar fundamentos
conceptuales, debates científicos y aportes
teóricos recientes, favoreciendo una
interpretación reflexiva de las evidencias
disponibles sin recurrir a mediciones
estadísticas ni procedimientos experimentales.
La investigación adoptó un enfoque descriptivo,
destinado a caracterizar sistemáticamente
propiedades, categorías y relaciones presentes
en un fenómeno determinado mediante
información científica disponible (Danel y
Santa María, 2024). Su aplicación permitió
identificar las principales perspectivas
desarrolladas alrededor del uso ético de la
inteligencia artificial generativa en educación
escolar, describiendo conceptos, dimensiones,
factores y planteamientos formulados por
diversos autores, circunstancia que favoreció
una comprensión organizada del estado actual
del conocimiento y de los desafíos identificados
en la literatura especializada. La investigación
correspondió al tipo bibliográfico,
fundamentado en la revisión, selección, análisis
e interpretación crítica de documentos
científicos pertinentes para construir
conocimiento sustentado en evidencia (Cortés y
Iglesias, 2004). Esta modalidad resultó
adecuada porque el propósito consistió en
examinar la producción académica reciente
relacionada con el uso ético de la inteligencia
artificial generativa y su incidencia en la
educación escolar, permitiendo integrar
hallazgos provenientes de artículos científicos
indexados para identificar tendencias, aportes
conceptuales y vacíos investigativos relevantes.
El desarrollo metodológico integró los métodos
teóricos, inductivo-deductivo y analítico-
sintético para interpretar, contrastar y organizar
sistemáticamente el conocimiento científico
recopilado durante la investigación documental.
El método teórico facilitó la comprensión de los
fundamentos conceptuales; el razonamiento
inductivo-deductivo permitió derivar
generalizaciones sustentadas y verificar
planteamientos específicos; paralelamente, el
análisis y la síntesis favorecieron la
descomposición, comparación e integración de
la información, fortaleciendo la consistencia
lógica de las interpretaciones obtenidas (Ñaupas
et al., 2018).
Como técnica principal se empleó el análisis
documental, entendido como un procedimiento
sistemático dirigido a examinar, clasificar e
interpretar información contenida en fuentes
científicas especializadas previamente
seleccionadas (Hadi et al., 2023). La revisión
consideró artículos publicados durante los
últimos cinco años en bases de datos indexadas
como Scopus, SciELO, Redalyc, Dialnet y
Latindex, priorizando investigaciones
relacionadas directamente con las variables de
estudio, posteriormente organizadas mediante
criterios temáticos que facilitaron el análisis
comparativo y la interpretación crítica de sus
principales aportes.
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 7
Edición Julio del 2026
Página 187
Resultados y Discusión
Los hallazgos revelan una preocupación común
por integridad académica, privacidad,
dependencia cognitiva y falta de regulación,
aunque cada estudio introduce matices distintos
vinculados con mediación docente, equidad,
alfabetización, evaluación y liderazgo
institucional.
Tabla 1. Contribución del uso ético de la IA generativa en las prácticas educativas.
Autor y
año
País
Principales desafíos éticos
Formación ética y
alfabetización en IA
Riesgos por ausencia de políticas
institucionales
Orientaciones para
integración ética
Mendoza
et al.
(2025)
Ecuador
Plagio académico
Desinformación
Dependencia tecnológica
Pérdida de pensamiento crítico
Sesgos algorítmicos
El estudio señaló que más de la
mitad de las investigaciones
revisadas advirtieron disminución
del pensamiento crítico por uso
excesivo, mientras solo el 26 %
refirió normativas institucionales
precisas.
Competencias digitales
críticas
Capacitación docente
Alfabetización estudiantil
Uso responsable de ChatGPT
Evaluación crítica de
respuestas
La IA generativa debe
asumirse con formación
docente y estudiantil,
evitando que la eficiencia
tecnológica desplazara
autonomía, análisis y juicio
propio.
Uso improvisado
Directrices generales no vinculantes
Debilidad normativa en básica y
secundaria
Pérdida de calidad formativa
Autonomía estudiantil afectada
La falta de reglas específicas fue
presentada como una limitación
severa para controlar el uso ético de
estas herramientas.
Marco regulatorio claro
Estrategias inclusivas
Uso equitativo y sostenible
Investigación en educación
primaria
Protección de autonomía
estudiantil
El documento propuso
políticas educativas que
aprovechen la IA generativa
sin debilitar la calidad
formativa ni la independencia
cognitiva del alumnado.
Martínez y
Morales
(2025)
México
Equidad en el acceso
Transparencia docente
Responsabilidad profesional
Validez evaluativa
Uso acrítico en pruebas
Los autores ubicaron el problema
en la tensión entre eficiencia y
responsabilidad, particularmente
cuando el profesorado delega
evaluaciones sin revisar
pertinencia, justicia ni
consecuencias educativas.
Criterio profesional docente
Ética en evaluación
Mediación pedagógica
Uso crítico por estudiantes
Transparencia en materiales
El reto no consiste en negar la
IA, sino en formar docentes
capaces de guiar su empleo
con sentido pedagógico.
Automatización sin juicio humano
Desconfianza estudiantil
Evaluaciones injustas
Detección automática arbitraria
Autoría mal interpretada
La ausencia de criterios
institucionales puede convertir a la IA
y a sus detectores en árbitros
absolutos, debilitando justicia
evaluativa y confianza educativa.
Evaluaciones transparentes
Revisión humana obligatoria
Uso de IA como apoyo
Diseño docente responsable
Preservación del aprendizaje
significativo
El aporte central fue situar la
ética docente como garantía
de validez, equidad y
responsabilidad ante
herramientas que ofrecen
rapidez, pero no
discernimiento pedagógico.
Posligua y
Matamoros
(2025)
Ecuador
Dependencia cognitiva
Comprensión superficial
Baja verificación de fuentes
Escasa mediación docente
Pérdida de autonomía
El estudio halló uso moderado-alto
de IAG en bachillerato, pero una
mediación docente baja, con media
de 2,56, y dificultad para evaluar
fuentes confiables.
Mediación docente crítica
Verificación de información
Reflexión sobre respuestas
generadas
Formación técnica, ética y
didáctica
Construcción de
conocimiento propio
El docente debe orientar el
uso ético, no limitarse a
enseñar funciones técnicas.
Uso autónomo sin guía
Dependencia del 25 % en tareas
Debilitamiento del juicio reflexivo
Aprendizaje centrado en eficiencia
Pensamiento crítico no verificable
La falta de orientación convirtió la
percepción positiva del alumnado en
un indicador insuficiente, pues no
aseguró evaluación, contraste ni
autorregulación.
Indagación guiada
Pensamiento reflexivo
Acompañamiento constante
Contraste de fuentes
Uso formativo, crítico y ético
El documento recomendó
combinar IAG con estrategias
de indagación para fortalecer
análisis y juicio autónomo, sin
sustituir la reflexión humana.
Vallejos y
Galindo
(2025)
Brasil,
Colombia y
México
Integridad académica: 82 %
Protección de datos: 75 %
Consentimiento informado: 52 %
Equidad: 28 %
Acceso tecnológico: 20 %
Los docentes priorizaron
integridad, privacidad y
consentimiento, aunque equidad y
acceso aparecieron con menor
fuerza discursiva.
Sensibilización estudiantil
Capacitación sobre plagio
Originalidad académica
Derechos de autor
Protocolos de integridad
El 58,67 % del profesorado
había tomado acciones para
afrontar preocupaciones
éticas asociadas con IA
generativa.
Incertidumbre docente
Brechas de formación
Políticas institucionales desiguales
Débil sensibilización ética
Desigualdad tecnológica persistente
El estudio evidenció diferencias
regionales: Brasil presentó déficit
formativo, México avanzó en
lineamientos y Colombia enfatizó
acceso desigual.
Enfoques situados por país
Cultura ética compartida
Desarrollo humano integral
Justicia social
Prácticas pedagógicas
inclusivas
Los autores propusieron
estrategias ajustadas a cada
realidad nacional, sin perder
una ética común orientada al
aprendizaje significativo y la
inclusión.
Flor y
Sandoval
(2024)
Ecuador
Uso poco ético: 49,4%
Robo de datos: 32,2%
Baja familiaridad institucional: 60
%
Falta de evaluación de riesgos: 96
%
Falta de conocimiento técnico: 90
%
El estudio mostró una percepción
positiva de la IA, aunque
acompañada por riesgos éticos no
evaluados institucionalmente.
Competencias para vida y
trabajo: 24 %
Cambios en ética profesional:
20 %
Formación técnica docente
Conciencia sobre privacidad
Uso responsable de datos
La capacitación debe
responder al uso ya instalado
de IA en actividades
cotidianas, formativas y
laborales.
Ausencia de evaluación de riesgos
Instituciones sin soluciones IA: 100
%
Débil liderazgo institucional
Protocolos inexistentes
Riesgo para equidad y privacidad
El 56 % asignó a las instituciones un
rol de liderazgo, dato crítico ante la
falta de evaluación ética previa.
Protocolos para equidad: 36%
Protección de datos: 20%
Colaboración entre
educadores, investigadores y
políticas
Liderazgo institucional
Investigación
interdisciplinaria
El aporte del estudio fue
demandar políticas claras que
regulen privacidad, equidad y
uso responsable de IA en
educación.
Fuente: Elaboración propia.
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 7
Julio del 2026
Página 188
Los estudios coinciden en desplazar la discusión
desde la fascinación tecnológica hacia una ética
pedagógica capaz de preservar la autonomía
intelectual del estudiante, la responsabilidad
profesional docente y la justicia educativa. La
coincidencia más sólida aparece en la necesidad
de alfabetización crítica, ya que la IA generativa
no produce por sí misma aprendizaje
significativo: puede ampliar recursos, acelerar
tareas y personalizar contenidos, aunque su valor
formativo depende de mediación, transparencia
y evaluación reflexiva. La tensión principal se
ubica entre eficiencia y profundidad cognitiva;
mientras algunos estudios destacan motivación,
creatividad y apoyo personalizado, otros
advierten que la inmediatez puede debilitar
análisis, autoría, verificación de fuentes y
elaboración propia. En equidad e inclusión se
observa una lectura todavía desigual: ciertos
trabajos la sitúan como eje prioritario, mientras
otros la tratan como preocupación secundaria
frente al plagio o la privacidad. Esa diferencia
revela un límite importante, porque el uso ético
no puede reducirse a controlar deshonestidad
académica; también exige garantizar acceso,
protección de datos, participación informada y
condiciones pedagógicas justas. Se puede inferir
en que la IA generativa será educativa solo
cuando la institución deje de actuar
reactivamente y asuma liderazgo normativo,
formativo y curricular, sin convertir la
regulación en prohibición ni la innovación en
automatización acrítica.
Tabla 2. Propuesta de estrategias innovadoras para promover el uso ético de la inteligencia artificial
generativa en la educación escolar.
Objetivo
Descripción
Indicador de
evaluación
Recursos
Fortalecer la capacidad estudiantil
para la generación de decisiones
apoyadas por inteligencia
artificial mediante procesos
permanentes de deliberación ética
escolar responsable.
Los estudiantes reconstruyen el recorrido seguido por una
respuesta generada mediante inteligencia artificial,
identificando información utilizada, posibles sesgos,
decisiones humanas y consecuencias educativas,
elaborando mapas argumentativos discutidos
colectivamente antes de aceptar cualquier producción
digital.
Incremento del
porcentaje de
estudiantes que
justifican
críticamente el uso
de IA.
IA generativa
Organizadores gráficos
Plataforma colaborativa
Rúbricas analíticas
Desarrollar competencias para
prevenir riesgos éticos asociados
al empleo de inteligencia artificial
mediante simulaciones
pedagógicas orientadas al juicio
responsable estudiantil
permanente.
La estrategia plantea escenarios simulados donde el
alumnado enfrenta dilemas relacionados con autoría,
privacidad, transparencia y veracidad, evaluando distintas
alternativas antes de seleccionar soluciones sustentadas en
principios éticos compartidos por la comunidad educativa.
Reducción
documentada de
prácticas
inadecuadas sobre
el uso de IA
Facilitadores
Casos simulados
Plataforma virtual
Protocolos éticos
Salón interactivo
Instrumentos valorativos
Consolidar prácticas responsables
de producción académica
mediante registros permanentes
que evidencien la participación
diferenciada entre aportes
humanos y asistencia algorítmica
utilizada.
Cada estudiante documenta las etapas de elaboración de sus
trabajos, registrando decisiones propias, consultas
realizadas a inteligencia artificial, modificaciones
efectuadas y justificaciones argumentadas, favoreciendo
transparencia, autorreflexión y responsabilidad durante todo
el proceso académico.
Porcentaje de
producciones que
evidencian ética
sobre el uso de IA
en actividades
académica.
Cuaderno digital
Plataforma educativa
Docente tutor
Formularios electrónicos
Computadores
Conectividad
Promover una cultura
institucional participativa
mediante construcción colectiva
de criterios éticos para orientar el
empleo responsable de
inteligencia artificial generativa
en la escuela.
Equipos conformados por estudiantes, docentes, directivos
y familias analizan situaciones reales relacionadas con
inteligencia artificial, elaborando acuerdos institucionales
revisados periódicamente conforme evolucionan las
tecnologías y las necesidades pedagógicas escolares.
Elaboración,
aplicación y
actualización
periódica de
acuerdos
institucionales.
Directivos
Docentes
Familias
Estudiantes
Sala de reuniones
Reglamento institucional
Favorecer procesos permanentes
de evaluación institucional sobre
prácticas educativas con
inteligencia artificial,
fortaleciendo transparencia,
mejora continua y responsabilidad
compartida escolar sostenible.
Un equipo interdisciplinario revisa periódicamente
experiencias educativas apoyadas por inteligencia artificial,
analiza fortalezas, identifica riesgos emergentes y formula
recomendaciones para optimizar decisiones pedagógicas
sustentadas en evidencia institucional sistemática.
Informes
semestrales con
recomendaciones
implementadas,
reducción de
incidencias éticas
y mejora continua
evidenciada.
Comité institucional
Especialistas TIC
Docentes
Base documental
Software analítico
Informes técnicos
Fuente: Elaboración propia.
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 7
Julio del 2026
Página 189
Las estrategias propuestas responden a una
perspectiva preventiva y formativa que concibe
la ética como un proceso continuo de
construcción pedagógica, antes que como un
conjunto de restricciones destinadas únicamente
a controlar el uso de la inteligencia artificial
generativa. Su aplicación favorece el
fortalecimiento del pensamiento crítico, la
transparencia académica, la corresponsabilidad
institucional y la participación de todos los
actores educativos, desplazando el énfasis desde
la supervisión tecnológica hacia la formación de
criterios autónomos para la toma de decisiones
responsables. Esta orientación incrementa las
posibilidades de consolidar culturas escolares
capaces de incorporar la innovación sin
comprometer la integridad académica.
La implementación demanda condiciones
organizativas que pueden constituir limitaciones
iniciales, entre ellas disponibilidad tecnológica,
capacitación docente continua, liderazgo
institucional y elaboración de lineamientos
compartidos que orienten el uso pedagógico de
estas herramientas. Tales exigencias no
representan obstáculos insuperables, sino
oportunidades para fortalecer la gobernanza
educativa y promover procesos permanentes de
mejora. La incorporación gradual de estas
estrategias puede favorecer instituciones
escolares más preparadas para afrontar los
desafíos derivados de la evolución tecnológica,
consolidando ambientes de aprendizaje donde la
inteligencia artificial complemente el
razonamiento humano, preserve la reflexión
ética y contribuya al desarrollo de competencias
digitales responsables, inclusivas y sostenibles a
largo plazo.
Conclusiones
El análisis desarrollado permitió comprender que
el uso ético de la inteligencia artificial generativa
constituye un componente indispensable para
orientar su incorporación en la educación escolar
desde una perspectiva formativa centrada en el
desarrollo humano, la responsabilidad
académica y el fortalecimiento del pensamiento
crítico. La revisión documental evidenció un
consenso científico respecto a la necesidad de
trascender enfoques exclusivamente
tecnológicos para situar la reflexión ética como
criterio orientador de las decisiones pedagógicas.
En ese sentido, la evidencia examinada mostró
que la formación docente, la alfabetización
digital, la transparencia en los procesos de
enseñanza y la existencia de lineamientos
institucionales representan condiciones
necesarias para favorecer una utilización
responsable de estas herramientas.
Tal interpretación permitió comprender que los
desafíos asociados con la inteligencia artificial
no dependen únicamente de las capacidades
técnicas de los sistemas generativos, sino
también de la preparación ética de quienes los
incorporan en las prácticas educativas y de la
capacidad institucional para establecer
mecanismos de regulación, acompañamiento y
evaluación acordes con las nuevas exigencias
formativas. Desde una perspectiva crítica, los
hallazgos permitieron advertir que buena parte
de la producción científica reciente mantiene un
marcado interés por identificar riesgos, dilemas
y desafíos derivados del empleo de la
inteligencia artificial generativa, mientras las
propuestas orientadas a su implementación
pedagógica aún presentan un desarrollo desigual.
Esta circunstancia limita la construcción de
modelos integrales que combinen innovación
tecnológica, ética educativa y transformación
curricular. A ello se suma la diversidad
metodológica de las investigaciones analizadas,
situación que dificulta establecer criterios
comparativos uniformes acerca de la efectividad
de las estrategias éticas propuestas. Tales
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 7
Julio del 2026
Página 190
limitaciones no disminuyen el valor
interpretativo del conocimiento disponible; por
el contrario, ponen de manifiesto la necesidad de
fortalecer investigaciones interdisciplinarias que
integren dimensiones pedagógicas, tecnológicas,
jurídicas y sociales bajo enfoques metodológicos
más consistentes y comparables.
Los resultados obtenidos permiten recomendar
que las instituciones educativas incorporen
políticas claras sobre el uso responsable de la
inteligencia artificial generativa, acompañadas
por programas permanentes de formación
docente y estudiantil que fortalezcan
competencias digitales, pensamiento crítico,
protección de datos, transparencia académica y
evaluación ética del contenido producido
mediante estas herramientas. Paralelamente,
resulta conveniente promover espacios
institucionales de deliberación donde docentes,
estudiantes, familias y directivos participen en la
construcción de criterios compartidos para
orientar su utilización, favoreciendo una cultura
educativa sustentada en la corresponsabilidad, la
confianza y el respeto por la integridad
académica.
Del mismo modo, la evaluación de los
aprendizajes requiere evolucionar hacia
modalidades que valoren procesos de
razonamiento, argumentación y construcción
personal del conocimiento, evitando que la
automatización desplace el desarrollo intelectual
del estudiante. Las proyecciones derivadas del
estudio abren múltiples posibilidades para
ampliar la comprensión del fenómeno desde
nuevas perspectivas investigativas. Resulta
pertinente desarrollar investigaciones empíricas
que evalúen el impacto de programas de
alfabetización ética en inteligencia artificial
dentro de instituciones escolares, así como
analizar diferencias según niveles educativos,
disciplinas académicas y realidades
socioculturales. De igual manera, futuras
investigaciones podrían diseñar y validar
modelos institucionales de gobernanza para el
uso responsable de la inteligencia artificial,
incorporando indicadores que permitan valorar
su incidencia sobre la integridad académica, la
autonomía del aprendizaje, la inclusión
educativa y la calidad de los procesos
formativos. De esta manera, el conocimiento
científico podrá avanzar desde el diagnóstico de
los desafíos hacia la consolidación de propuestas
pedagógicas capaces de integrar innovación
tecnológica y formación ética en beneficio de
una educación más responsable, equitativa y
orientada al desarrollo integral de las nuevas
generaciones.
Referencias Bibliográficas
Arias, D., Arias, J., Muñoz, E., Lastra, E.,
Cabascango, A., Grijalva, E., & Males, M.
(2025). Inteligencia artificial en la educación:
Innovación y aprendizaje para el futuro.
https://doi.org/10.70625/alumned/18
Arreaga, D., Echeverría, L., Izquierdo, K.,
Revelo, X., Vallejo, I., & Sandoval, C. (2025).
Oportunidades de la inteligencia artificial en la
transformación del sistema educativo
tradicional hacia modelos personalizados.
Ciencia Latina Revista Científica
Multidisciplinar, 9(4), 10821–11838.
https://doi.org/10.37811/cl_rcm.v9i4.19631
Arroba, N., Cotto, H., Merelo, M., & Casquete,
S. (2026). Impacto de la inteligencia artificial
generativa en el rendimiento académico:
Desafíos y oportunidades en estudiantes de
bachillerato. Revista Científica
Multidisciplinaria Arbitrada YACHASUN,
10(18), 1180–1198.
https://doi.org/10.46296/yc.v10i18.0859
Ayala, W. (2025). Uso de la inteligencia artificial
en educación: Una revisión sistemática.
Ciencia y Reflexión, 4(4), 723–745.
https://doi.org/10.70747/cr.v4i4.564
Bolaño, M., & Duarte, N. (2024). Una revisión
sistemática del uso de la inteligencia artificial
en la educación. Revista Colombiana de
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 7
Julio del 2026
Página 191
Cirugía, 39(1), 51–63.
https://doi.org/10.30944/20117582.2365
Cali, A., Lozano, S., Mero, C., & Macas, B.
(2025). Inteligencia artificial generativa en la
educación arquitectónica ecuatoriana:
Innovación glocal, dilemas éticos y la tensión
entre lo analógico y lo digital. Revista Social
Fronteriza, 5(2), 1–21.
https://doi.org/10.59814/resofro.2025.5(2)e63
1
Cohen, N., & Gómez, G. (2019). Metodología de
la investigación, ¿para qué?: La producción
de los datos y los diseños. Editorial Teseo.
https://biblioteca.clacso.edu.ar/clacso/se/2019
0823024606/Metodologia_para_que.pdf
Cortés, M., & Iglesias, M. (2004). Generalidades
sobre metodología de la investigación.
Universidad Autónoma del Carmen.
http://www.unacar.mx/contenido/gaceta/edici
ones/metodologia_investigacion.pdf
Danel, O., & Santa María, C. (2024).
Metodología de la investigación.
https://doi.org/10.13140/RG.2.2.33341.47849
Flor, G., & Sandoval, P. (2024). La ética en el
uso de la inteligencia artificial (IA) en la
educación: Desafíos y oportunidades. Polo del
Conocimiento, 9(11), 255–282.
https://doi.org/10.23857/pc.v9i11.8276
García, F. J. (2024). Inteligencia artificial
generativa y educación: Un análisis desde
múltiples perspectivas. Education in the
Knowledge Society, 25, 1–25.
https://doi.org/10.14201/eks.31942
Hadi, M., Martel, C., Huayta, F., Rojas, R., &
Arias, J. (2023). Metodología de la
investigación: Guía para el proyecto de tesis.
Instituto Universitario de Innovación Ciencia
y Tecnología Inudi Perú S.A.C.
https://doi.org/10.35622/inudi.b.073
Jiménez, G. (2014). Teorías del desarrollo III.
Martínez, D. (2024). Metodologías innovadoras
y tendencias curriculares: Redefiniendo la
educación del siglo XXI. LATAM Revista
Latinoamericana de Ciencias Sociales y
Humanidades, 5(5), 3250–3268.
https://doi.org/10.56712/latam.v5i5.2859
Martínez, J., & Morales, E. (2025). Ética docente
y uso de IA generativa en la enseñanza de
lenguas: Entre la eficiencia y la
responsabilidad profesional. Estudios y
Perspectivas Revista Científica y Académica,
5(3), 5011–5026.
https://doi.org/10.61384/r.c.a..v5i3.1517
Martínez, M. (2025). Inteligencia artificial y
educación. Revista Internacional
Tecnológica-Educativa Docentes 2.0, 18(1),
245–257.
https://doi.org/10.37843/rted.v18i1.614
Mendoza, R., Villarreal, Á., Chica, R., & Caza,
D. (2025). Futuro de la educación con
inteligencia artificial generativa. Revista TSE',
8(2), 1–16.
http://tsachila.edu.ec/ojs/index.php/TSEDE/is
sue/archive
Ñaupas, H., Valdivia, M., Palacios, J., &
Romero, H. (2018). Metodología de la
investigación cuantitativa-cualitativa y
redacción de la tesis. Ediciones de la U.
Posligua, Y., & Matamoros, Á. (2025). La
inteligencia artificial generativa como apoyo
del pensamiento crítico en estudiantes de
bachillerato general unificado. Ciencia y
Educación, 6(12), 156–166.
https://doi.org/10.5281/zenodo.17932954
Ricra, R., Queque, E., Vega, F., Martínez, D.,
Audureau, J., & Lara, L. (2026). Implicaciones
éticas de la inteligencia artificial generativa en
la educación superior: Una revisión
sistemática. Revista InveCom: Estudios
Transdisciplinarios en Comunicación y
Sociedad, 6(2), 1–8.
https://doi.org/10.5281/zenodo.16734732
Rodríguez, L. (2004). La teoría del aprendizaje
significativo. Centro de Educación a
Distancia.
Salazar, M., Lapo, J., Romero, F., & La Rosa, Y.
(2024). La inteligencia artificial generativa
como herramienta de apoyo en la
personalización del aprendizaje:
Implicaciones y desafíos éticos en el aula para
estudiantes de EGB. REINCISOL, 3(6), 6983–
7007.
https://doi.org/10.59282/reincisol.V3(6)6983-
7007
Sánchez, R., Costa, Ó., Mañoso, L., Novillo, M.,
& Pericacho, F. (2019). Orígenes del
conectivismo como nuevo paradigma del
aprendizaje en la era digital. Revista
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 7
Julio del 2026
Página 192
Educación y Humanismo, 21(36), 113–136.
http://revistas.unisimon.edu.co/index.php/edu
cacion/article/view/3265/4083
Vallejos, C., & Galindo, J. (2025). Ética e
inteligencia artificial generativa en la
educación: Perspectivas docentes de Brasil,
Colombia y México. Actualidades
Pedagógicas, 85, 1–22.
https://doi.org/10.19052/ap.vol1.iss85.5234
Villena, C., Calsin, W., Espinoza, D., & Rengifo,
J. (2024). Aplicación de la inteligencia
artificial en la resolución de problemas
matemáticos en el nivel universitario. Revista
Social Fronteriza, 4(5), 1–20.
https://doi.org/10.59814/resofro.2024.4(5)e45
8
Yépez, L. D., Jirón Febre, T. I., Rumbaut Rangel,
D., & Jurado Martínez, G. (2024). El papel de
la inteligencia artificial en la personalización
de la educación. Magazine de las Ciencias:
Revista de Investigación e Innovación, 9(3),
31–46.
https://doi.org/10.33262/rmc.v9i3.3160
Esta obra está bajo una licencia de
Creative Commons Reconocimiento-No Comercial
4.0 Internacional. Copyright © Margarita Elizabeth
Rocha Chasi, Paola Mariuxi Solórzano David, Jorge
Fernando Mero Oña, Juan Carlos Segura Zarchi,
Verónica Alexandra Anatoa Cárdenas.
Declaraciones éticas y editoriales del artículo
Contribución de los autores (Taxonomía CRediT).
Margarita Elizabeth Rocha Chasi: 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.
Paola Mariuxi Solórzano David: 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.
Jorge Fernando Mero Oña: 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.
Juan Carlos Segura Zarchi: 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.
Verónica Alexandra Anatoa Cárdenas: 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.