Resumen

Abstract

Autor y año	IA y sus aplicaciones educativas para la personalización del aprendizaje	Aplicaciones educativas que responden a necesidades diferenciadas	Beneficios y limitaciones de la personalización del aprendizaje
Forero y Bennasar (2024)	Inteligencia artificial • Procesa datos para anticipar situaciones educativas específicas. • Identifica tempranamente variaciones del rendimiento académico estudiantil. • Favorece decisiones sustentadas en patrones de aprendizaje detectados. • Amplía soluciones inteligentes desde primaria hasta universidad. Aplicaciones educativas • Predice riesgos de abandono mediante información estudiantil disponible. • Detecta necesidades vinculadas con dificultades cognitivas particulares. • Genera contenidos educativos mediante técnicas inteligentes especializadas. • Apoya orientación académica mediante procesamiento predictivo de información.	• Algoritmos supervisados predicen desempeño académico del alumnado. • Robótica inteligente fortalece experiencias formativas mediante interacción. • Recursos móviles favorecen motivación mediante experiencias tecnológicas. • Técnicas inteligentes apoyan estudiantes con necesidades específicas.	Beneficios • Permite intervenciones tempranas ante dificultades académicas identificadas. • Fortalece pensamiento crítico mediante experiencias computacionales educativas. • Mejora competencias docentes vinculadas con tecnologías inteligentes. • Extiende posibilidades educativas entre diferentes niveles formativos. Limitaciones • Insuficiente preparación docente restringe una implementación pedagógica óptima. • Complejidad tecnológica demanda competencias digitales docentes especializadas. • Consideraciones éticas condicionan el empleo de sistemas inteligentes. • Brechas tecnológicas dificultan beneficios educativos distribuidos equitativamente.
Lescano et al. (2024)	Inteligencia artificial • Enriquece experiencias formativas mediante tecnologías digitales emergentes integradas. • Favorece comprensión conceptual mediante recursos tecnológicos interactivos especializados. • Facilita decisiones educativas apoyadas por procesamiento tecnológico avanzado. • Impulsa experiencias activas vinculadas con formación tecnológica aplicada. Aplicaciones educativas • Integra simulaciones para experimentar contenidos tecnológicos de forma práctica. • Incorpora robótica educativa para desarrollar programación aplicada colaborativamente. • Combina recursos digitales para atender diferencias de aprendizaje. • Facilita evaluación continua para reajustar decisiones docentes oportunamente.	• Prototipos robóticos permiten practicar programación y manipulación tecnológica. • Recursos digitales favorecen experiencias ajustadas al estudiante. • Evaluación continua orienta ajustes pedagógicos según progresos individuales. • Tecnologías inmersivas fortalecen comprensión mediante experiencias interactivas diferenciadas.	Beneficios • Mejora comprensión teórica de conceptos tecnológicos especializados. • Fortalece resolución práctica de problemas complejos de robótica. • Incrementa interés estudiantil mediante experiencias formativas interactivas. • Favorece colaboración durante actividades tecnológicas de aprendizaje aplicado. Limitaciones • Integración tecnológica exige adecuaciones curriculares pedagógicamente fundamentadas. • Implementación demanda recursos tecnológicos disponibles para experiencias prácticas. • Uso educativo requiere preparación docente para orientar herramientas. • Diversidad tecnológica exige seleccionar recursos según necesidades educativas.
Arreaga et al. (2025)	Inteligencia artificial • Analiza patrones para reconocer necesidades individuales de aprendizaje. • Anticipa dificultades mediante procesamiento de información académica estudiantil. • Ajusta materiales considerando desempeño, intereses y ritmo individual. • Transforma enseñanza uniforme hacia experiencias flexibles y diferenciadas. Aplicaciones educativas • Tutores inteligentes ajustan ejercicios según progreso académico individual. • Plataformas adaptativas modifican itinerarios según perfiles estudiantiles específicos. • Analítica educativa identifica fortalezas y debilidades del aprendizaje. • Algoritmos predictivos generan alertas para intervenciones educativas oportunas.	• Chatbots ofrecen acompañamiento académico y retroalimentación asincrónica personalizada. • Sistemas recomendadores ajustan materiales según perfiles individuales detectados. • Analítica predictiva anticipa riesgos mediante indicadores académicos estudiantiles. • Tutoría inteligente adapta dificultad según desempeño observado continuamente.	Beneficios • Incrementa motivación mediante experiencias ajustadas a necesidades individuales. • Fortalece autonomía mediante rutas formativas adaptadas al estudiante. • Mejora retención mediante acompañamiento y retroalimentación personalizada continua. • Reduce carga docente mediante automatización de tareas rutinarias. Limitaciones • Brecha digital restringe acceso equitativo a herramientas inteligentes. • Formación docente insuficiente dificulta integración pedagógica efectiva. • Sesgos algorítmicos pueden reproducir desigualdades educativas preexistentes. • Protección de datos exige marcos regulatorios éticos sólidos.
Peñalver et al. (2024)	Inteligencia artificial • Adapta contenidos en tiempo real según necesidades individuales. • Identifica patrones para anticipar resultados y dificultades académicas. • Procesa grandes volúmenes de información para decidir intervenciones. • Desplaza enseñanza programada hacia sistemas adaptativos avanzados. Aplicaciones educativas • Sistemas predictivos facilitan asistencia temprana según necesidades detectadas. • Plataformas inteligentes crean experiencias educativas inmersivas y flexibles. • Automatización educativa optimiza actividades docentes y administrativas recurrentes. • Sistemas adaptativos modifican contenidos según respuestas del estudiante.	• Algoritmos adaptativos modifican recursos según progresión académica individual. • Sistemas predictivos identifican estudiantes que requieren intervención temprana. • Plataformas inteligentes facilitan acceso flexible a recursos formativos. • Herramientas automatizadas apoyan personalización y eficiencia del aprendizaje.	Beneficios • Favorece aprendizaje autodirigido mediante experiencias ajustadas individualmente. • Facilita intervenciones tempranas sustentadas en patrones académicos detectados. • Amplía acceso al conocimiento superando determinadas barreras geográficas. • Promueve evaluación continua orientada hacia reflexión y autoevaluación. Limitaciones • Infraestructura insuficiente condiciona adopción efectiva de sistemas inteligentes. • Capacitación docente continua resulta necesaria para integración pedagógica. • Seguridad de datos plantea exigencias éticas permanentes. • Equidad tecnológica demanda garantizar oportunidades educativas accesibles universalmente.
UNESCO (2025)	Inteligencia artificial • Exige comprensión crítica de dimensiones técnicas, sociales, éticas. • Sitúa capacidades humanas como referente del uso tecnológico. • Promueve interacción segura, significativa y responsable con IA. • Concibe estudiantes como usuarios responsables y cocreadores tecnológicos. Aplicaciones educativas • Integra competencias de IA progresivamente dentro del currículo. • Organiza aprendizaje mediante niveles de comprender, aplicar, crear. • Vincula técnicas inteligentes con propósitos pedagógicos claramente definidos. • Orienta actividades según progresión formativa y edad estudiantil.	• Currículos interdisciplinarios incorporan competencias inteligentes de manera progresiva. • Secuencias formativas ajustan aprendizajes según edades y progresión. • Actividades pedagógicas desarrollan juicio crítico ante soluciones inteligentes. • Evaluaciones competenciales valoran progresión diferenciada de aprendizajes tecnológicos.	Beneficios • Fortalece ciudadanía responsable ante sistemas inteligentes emergentes. • Desarrolla juicio crítico sobre soluciones tecnológicas utilizadas. • Promueve diseño inclusivo considerando diversidad de necesidades humanas. • Favorece aprendizaje permanente mediante competencias fundamentales sobre IA. Limitaciones • Escasa incorporación curricular restringe alfabetización estudiantil en IA. • Adopción tecnológica genera riesgos sociales, educativos y éticos. • Uso acrítico puede debilitar capacidad humana de decisión. • Implementación inclusiva exige atender desigualdades digitales entre estudiantes.
Salavarría et al. (2025)	Inteligencia artificial • Analiza patrones para adaptar contenidos a necesidades	• Tutorías automatizadas ofrecen acompañamiento ajustado al	Beneficios • Favorece enseñanza adaptada a ritmos y necesidades individuales.

individuales. • Produce respuestas adaptativas mediante algoritmos de aprendizaje automático. • Complementa enseñanza mediante análisis continuo del desempeño estudiantil. • Redefine roles docentes hacia acompañamiento y facilitación pedagógica. Aplicaciones educativas • Tutorías inteligentes ajustan contenidos según desempeño observado individualmente. • Evaluación automatizada reconoce patrones durante procesos de aprendizaje. • Se seleccionan contenidos según características estudiantiles detectadas. • Plataformas adaptativas modifican estrategias conforme progresa cada estudiante.	rendimiento individual. • Sistemas evaluativos detectan fortalezas y debilidades durante aprendizaje. • Recomendaciones algorítmicas personalizan contenidos según necesidades identificadas. • Plataformas digitales reajustan estrategias mediante evaluación continua estudiantil.	• Mejora seguimiento académico mediante análisis permanente del desempeño. • Amplía accesibilidad mediante recursos digitales y tecnologías asistivas. • Fortalece interacción educativa sin sustituir mediación docente humana. Limitaciones • Privacidad estudiantil exige protección rigurosa de información personal. • Sesgos de datos pueden distorsionar recomendaciones educativas automatizadas. • Dependencia tecnológica amenaza pensamiento crítico y creatividad estudiantil. • Infraestructura y capacitación condicionan implementación de enseñanza adaptativa.
Bolaño y Duarte (2024)	Inteligencia artificial • Personaliza experiencias mediante análisis de información educativa individual. • Orienta recomendaciones según necesidades particulares de cada estudiante. • Mejora retroalimentación mediante respuestas ajustadas al desempeño individual. • Apoya evaluación educativa utilizando información derivada del aprendizaje. Aplicaciones educativas • Sistemas tutoriales inteligentes apoyan aprendizaje mediante asistencia personalizada. • Se proponen actividades según las necesidades académicas individuales detectadas. • Retroalimentación adaptativa responde diferencialmente al desempeño del estudiante. • Análisis de datos apoya decisiones educativas más específicas.	• Recomendación automatizada propone actividades según necesidades individuales identificadas. • Retroalimentación personalizada ajusta respuestas al progreso del estudiante. • Sistemas inteligentes apoyan evaluación mediante información académica procesada. • Tutorías automatizadas facilitan acompañamiento educativo individualizado del aprendizaje.	Beneficios • Mejora personalización mediante recomendaciones académicas ajustadas individualmente. • Fortalece retroalimentación adaptada a necesidades particulares del alumnado. • Facilita evaluación apoyada en información del desempeño estudiantil. • Amplía posibilidades de acompañamiento mediante sistemas educativos inteligentes. Limitaciones • Calidad deficiente de datos compromete respuestas algorítmicas educativas. • Educadores requieren capacitación para utilizar inteligencia artificial responsablemente. • Estudiantes necesitan preparación para interactuar críticamente con IA. • Privacidad y seguridad demandan protección de datos estudiantiles.

Declaraciones éticas y editoriales del artículo
Contribución de los autores (Taxonomía CRediT) Angela María Villa Guerrero: 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. Lourdes Marlene Coyago Jitala: 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. Nancy Fernanda Pincay Bermeo: provisión de recursos académicos y materiales para el desarrollo del estudio, apoyo en la administración del proyecto investigativo y revisión editorial del manuscrito antes de su publicación. Edgar Fabián Sánchez Solís: 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.