ALFABETIZACIÓN EN INTELIGENCIA ARTIFICIAL PARA LA TRANSFORMACIÓN
DE LA PRÁCTICA DOCENTE EN LA EDUCACIÓN SUPERIOR
ARTIFICIAL INTELLIGENCE LITERACY FOR THE TRANSFORMATION OF
TEACHING PRACTICE IN HIGHER EDUCATION
Autores:
¹Omar Guillermo Arriaga Cárdenas, ²Paola del Carmen Lara Magaña.
¹ORCID ID:
https://orcid.org/0000-0003-2603-4690
²ORCID ID:
https://orcid.org/0000-0001-9809-716X
¹E-mail de contacto:
omar_arriaga@cucea.udg.mx
²E-mail de contacto:
paolalm@cucea.udg.mx
Afiliación: ¹*²Universidad de Guadalajara, (México).
Artículo recibido: 1 de Octubre del 2026.
Artículo revisado: 9 de Octubre del 2026.
Artículo aprobado: 9 de Octubre del 2026.
¹Doctor
en
Ciencias
de
la
Administración,
graduado
de
la
Universidad
de
Guadalajara,
(México).
Profesor
en
la
Universidad
de
Guadalajara, (México).
²Maestría
en
Administración
de
Negocios,
graduada
de
la
Universidad
de
Guadalajara,
(México).
Profesora
en
la
Universidad
de
Guadalajara, (México). Candidata en el Doctorado en Ciencias de la Administración de la Universidad de Guadalajara, (México).
Resumen
La
rápida
incorporación
de
herramientas
de
Inteligencia
Artificial
Generativa
(IAG)
en
Instituciones de Educación Superior (IES), ha
transformado
e
impulsado
significativamente
nuevos
procesos
de
enseñanza,
aprendizaje,
transmisión
y
gestión
del
conocimiento,
este
escenario
ha
puesto
de
manifiesto
la
alfabetización
en
Inteligencia
Artificial
(IA)
derivada
del
uso
de
estas
tecnologías
en
los
contextos educativos. El objetivo principal de
esta
investigación
es
analizar
cómo
la
alfabetización
en
IA
contribuye
a
la
transformación
de
la
práctica
docente
en
las
universidades,
para
ello,
se
desarrolló
una
investigación
documental
de
carácter
descriptivo con enfoque cualitativo, sustentada
en
el
análisis
de
literatura
científica
especializada
en
razón
a
la
inteligencia
artificial,
alfabetización
digital,
formación
docente e innovación educativa, asimismo, los
hallazgos
muestran
que
el
desarrollo
de
estas
competencias,
favorece
a
la
integración
del
pensamiento crítico y reflexivo en los procesos
formativos,
fortaleciendo
a
la
innovación
pedagógica
y
metodológica
en
el
aula,
impulsando la personalización del aprendizaje y
promoviendo
nuevas
formas
de
interacción
entre
el
profesorado
y
el
alumnado,
de
igual
forma,
se
identifican
los
retos
y
desafíos
vinculados
con
la
formación
y
capacitación
continua de la plantilla
docente, la ética digital,
la
protección
de
datos
y
la
necesidad
de
establecer
políticas
internas
para
el
uso
adecuado
de
la
IA
y
que
se
adapte
a
las
demandas
actuales
derivadas
de
la
transformación digital en la educación. Como
resultado
del
análisis
se
propone
un
modelo
conceptual
que
integra
las
principales
dimensiones
que
explican
la
relación
entre
la
alfabetización en IA y la transformación de la
práctica docente universitaria.
Palabras
clave:
Alfabetización
en
inteligencia
artificial,
Práctica
docente,
Competencias
digitales,
Innovación
educativa, Formación docente.
Abstract
The
rapid
adoption
of
Generative
Artificial
Intelligence (GenAI) tools in Higher Education
Institutions
(HEIs)
has
significantly
transformed
and
driven
new
processes
regarding
teaching,
learning,
knowledge
transmission, and knowledge management; this
landscape
has
highlighted
the
importance
of
Artificial
Intelligence
(AI)
literacy
resulting
from
the
use
of
these
technologies
in
educational settings. The primary objective of
this
research
is
to
analyze
how
AI
literacy
contributes to transforming teaching practices
in
universities.
To
this
end,
a
descriptive,
qualitative documentary study was conducted,
grounded
in
an
analysis
of
specialized
scientific
literature
on
artificial
intelligence,
digital
literacy,
teacher
training,
and
educational
innovation.
The
findings
indicate
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 10
Octubre del 2026
Página 102
that developing these competencies fosters the
integration
of
critical
and
reflective
thinking
into
educational
processes,
strengthens
pedagogical and methodological innovation in
the
classroom,
drives
personalized
learning,
and promotes new forms of interaction between
faculty
and
students.
Furthermore,
the
study
identifies challenges related to the continuous
training
and
professional
development
of
teaching
staff,
digital
ethics,
data
protection,
and the need to establish internal policies for
the
appropriate
use
of
AI
that
align
with
the
current
demands
of
digital
transformation
in
education.
As
a
result
of
the
analysis,
a
conceptual
model
is
proposed
that
integrates
the key dimensions explaining the relationship
between AI literacy and the transformation of
university teaching practices.
Keywords:
Artificial
intelligence
literacy,
Teaching
practice,
Digital
competencies,
Educational innovation, Teacher training.
Sumario
A rápida adoção de ferramentas de Inteligência
Artificial Generativa (IA Gen) em Instituições
de
Ensino
Superior
(IES)
transformou
significativamente
e
impulsionou
novos
processos
relacionados
ao
ensino,
à
aprendizagem, à transmissão de conhecimento
e
à
gestão
do
conhecimento;
esse
cenário
evidenciou
a
importância
do
letramento
em
Inteligência
Artificial
(IA)
decorrente
do
uso
dessas tecnologias em ambientes educacionais.
O objetivo
principal desta pesquisa é analisar
como
o
letramento
em
IA
contribui
para
a
transformação
das
práticas
de
ensino
nas
universidades. Para tanto, realizou-se um estudo
documental,
descritivo
e
de
natureza
qualitativa,
fundamentado
na
análise
da
literatura
científica
especializada
sobre
inteligência
artificial,
letramento
digital,
formação docente e inovação educacional. Os
resultados
indicam
que
o
desenvolvimento
dessas competências favorece a integração do
pensamento
crítico
e
reflexivo
aos
processos
educacionais, fortalece a inovação pedagógica e
metodológica
em
sala
de
aula,
impulsiona
a
aprendizagem personalizada e promove novas
formas de interação entre docentes e discentes.
Além
disso,
o
estudo
identifica
desafios
relacionados
à
formação
contínua
e
ao
desenvolvimento profissional do corpo docente,
à
ética
digital,
à
proteção
de
dados
e
à
necessidade
de
estabelecer
políticas
internas
para
o
uso
adequado
da
IA,
alinhadas
às
demandas
atuais
da
transformação
digital
na
educação. Como resultado da análise, propõe-se
um
modelo
conceitual
que
integra
as
dimensões-chave explicativas da relação entre o
letramento em IA e a transformação das práticas
de ensino universitário.
Palavras-chave: Letramento em inteligência
artificial,
Prática
docente,
Competências
digitais,
Inovação
educacional,
Formação
docente.
Introducción
La
transformación
digital
ha
modificado
de
manera
significativa
la
forma
en
que
las
IES
desarrollan
sus
funciones
sustantivas
de
docencia,
investigación
y
vinculación,
y
así,
optimiza
la
evaluación
formativa
y
fomenta
prácticas
de
autorregulación
en
diversos
contextos académicos (Luckin, 2023; Karmakar
y Xu et al., 2025). En los últimos años, el avance
de la IA, particularmente de las herramientas de
IAG,
ha
abierto
nuevas
posibilidades
para
la
creación
de
contenidos,
la
gestión
de
información
y
el
diseño
de
experiencias
de
aprendizaje más dinámicas y personalizadas, de
esta forma, facilitar el aprendizaje autónomo y
proporcionar retroalimentación inmediata a los
estudiantes (Zawacki et al., 2019).
Del mismo modo, su creciente presencia en los
entornos universitarios ha generado un amplio
debate
sobre
sus
beneficios,
limitaciones
e
implicaciones
para
la
práctica
docente,
promoviendo
una
educación
más
inclusiva
y
centrada en el estudiante (Holmes et al., 2019).
La conceptualización de la IA, se define como
la
capacidad
de
las
máquinas
de
imitar
la
inteligencia
humana
(Turing,
1950),
en
este
contexto,
su
uso
en
el
aula
no
suple
al
profesorado sino que, el docente se encarga de
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 10
Octubre del 2026
Página 103
facilitar el aprendizaje e impartir y promover la
aplicación
del
conocimiento
incorporando
la
tecnología (García- y González, 2025), además
de replantear el rol docente quien ya no actúa
únicamente como transmisor de conocimientos,
sino como mediador, facilitador y diseñador de
experiencias
educativas
significativas
(Chiriguayo, et al., 2026).
Si bien estas tecnologías ofrecen oportunidades
para
fortalecer
los
procesos
educativos,
su
incorporación plantea desafíos relacionados con
la
formación
del
profesorado,
sino
se
implementan
estrategias
pedagógicas
equilibradas (Chiriguayo, et al., 2026), de este
modo, se busca proteger la ética en el uso de la
información,
la
integridad
académica
y
la
capacidad de las instituciones para adaptarse a
escenarios cada vez más digitalizados, con base
a esto, crece el interés de como la IA contribuye
al aprendizaje a través de sistemas inteligentes
y
automatización
de
contenidos
(Ma
et
al.,
2014; Yilmaz et al., 2022).
Asimismo, surge la necesidad de promover una
alfabetización
en
inteligencia
artificial
que
permita
a
los
docentes
comprender
el
funcionamiento de estas herramientas, valorar
críticamente
sus
alcances
y
limitaciones,
y
utilizarlas
de
manera
pertinente
dentro
de
los
procesos
de
enseñanza
y
aprendizaje,
garantizando
la
preparación
de
profesionales
con las competencias necesarias para afrontar
los desafíos del futuro (Ramírez et al., 2025).
Con relación a lo anterior, el valor agregado del
docente ya no reside únicamente en un dominio
disciplinar,
sino
que
también
recae
en
su
capacidad
para
rediseñar
experiencias
educativas
para
promover
la
reflexión,
la
creatividad
y
la
resolución
de
problemas
complejos mediante el uso pertinente de la IA.
Diversos
estudios
han
señalado
que
la
integración efectiva de la inteligencia artificial
en
la
educación
superior
no
depende
únicamente de la disponibilidad tecnológica,
Al-Abdullatif
(2024)
encontró
que
factores
como la alfabetización en inteligencia artificial,
la confianza en el uso de estas herramientas y
las
competencias
asociadas
al
modelo
AI-
TPACK
constituyen
elementos
determinantes
para
su
adopción
en
la
práctica
docente,
esta
reconfiguración de modelos educativos debido
al uso de herramientas digitales impacta en una
constante
capactación
en
el
profesorado,
es
decir, la formación universitaria debe garantizar
la
adquisición
de
habilidades
analíticas
y
reflexivas
(Talamás
et
al.,
2024).
Estos
resultados
sugieren
que
el
aprovechamiento
educativo
de
la
IA
requiere
no
solo
conocimientos
técnicos,
sino
también
la
capacidad
de
vincular
la
tecnología
con
estrategias
pedagógicas
acordes
con
los
objetivos formativos.
De
manera
complementaria,
Alhuraybi
et
al.
(2026),
sostienen
que
la
alfabetización
en
inteligencia artificial debe entenderse como una
competencia
multidimensional
que
integra
conocimientos
conceptuales,
habilidades
de
aplicación,
criterios
éticos
y
capacidades
de
integración
pedagógica,
los
autores
destacan
que
el
conocimiento
sobre
la
IA
y
su
incorporación
en
los
procesos
de
enseñanza
influyen
positivamente
en
la
calidad
de
las
prácticas
educativas
y
en
la
producción
académica
del
profesorado,
asimismo,
advierten
que
la
falta
de
preparación
para
integrar
estas
herramientas
puede
generar
incertidumbre
y
resistencia
al
cambio,
aun
cuando exista conciencia sobre su potencial y
sus
riesgos,
es por
eso
que, las universidades
deben
diseñar
modelos
que
fomenten
competencias
clave
para
afrontar
los
desafíos
del siglo XXI (Ramírez et al., 2024). Ante este
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 10
Octubre del 2026
Página 104
panorama, la alfabetización en IA adquiere una
relevancia estratégica para las instituciones de
educación
superior,
ya
que
representa
una
condición necesaria para impulsar procesos de
innovación
educativa
y
responder
a
las
demandas de una sociedad caracterizada por el
uso intensivo de tecnologías digitales, así, la IA
se perfila no solo como una herramienta técnica,
sino
como
un
agente
de
transformación
educativa (Manjarrés y Pickin, 2021), capaz de
generar procesos de enseñanza más inclusivos y
adaptados
a
las
nuevas
realidades
(Arriaga
et
al., 2022).
Más
allá
de
la
adquisición
del
aprendizaje
instrumental de nuevas herramientas digitales,
se
debe
de
tomar
en
cuenta
el
desarrollo
de
competencias
que
favorezcan
la
toma
de
decisiones informadas, el pensamiento crítico y
la
implementación
de
prácticas
pedagógicas
innovadoras
mediante
el
uso
de
la
IA,
así
mismo,
es
importante
considerar
sus
limitaciones y características antes de utilizarla
en el ámbito educativo (Celik et al., 2022), en
este contexto, la alfabetización en inteligencia
artificial emerge como una competencia clave
para
que
el
profesorado
comprenda,
evalúe
e
integre de manera crítica estas tecnologías en su
práctica educativa (
Buitrago et al., 2024)
.
Han
surgido
propuestas
teóricas
orientadas
a
explicar
cómo
los
docentes
pueden
integrar
estas herramientas digitales y el uso de la IA en
su
práctica
profesional,
entre
ellas
destaca
el
modelo
AI-TPACK
por
sus
siglas
en
inglés:
Technological
Pedagogical
and
Content
Knowledge
(Conocimiento
Pedagógico
del
Contenido
con
Inteligencia
Artificial),
desarrollado por Mishra y Koehler (2006), que
incorpora
la
inteligencia
artificial
como
un
componente
clave
en
la
articulación
del
conocimiento
disciplinar,
pedagógico
y
tecnológico,
el
aval
del
modelo
viene
porque
existe
un
amplio
volumen
de
investigaciones
sobre
el
TPACK
(Schmid
et
al.,
2024),
este
modelo plantea que la incorporación efectiva de
la IA en la enseñanza no depende únicamente
del dominio de las herramientas digitales, sino
también de la capacidad del
profesorado para
relacionarlas con los contenidos de su disciplina
y con estrategias didácticas que favorezcan el
aprendizaje.
Es
imprescindible
diseñar
programas
de
capacitación
permanente
que
fortalezcan
las
competencias
digitales
del
profesorado
y
fomenten una actitud crítica y ética frente al uso
de tecnologías emergentes (Villón, 2024), desde
esta
perspectiva,
el
AI-TPACK
constituye
un
referente útil para comprender las competencias
que
requieren
los
docentes
para
integrar
la
inteligencia artificial de manera crítica, ética y
pedagógicamente
pertinente
en
la
educación
superior.
Como
señala
Rocha
Chasi
et
al.
(2026), es fundamental que las escuelas adopten
normas claras sobre la inteligencia artificial y
ofrezcan
capacitación
constante
a
maestros
y
alumnos. Esto ayuda a mejorar las habilidades
digitales,
cuidar
los
datos,
fomentar
el
pensamiento
crítico
y
evaluar
con
ética
el
contenido generado.
A continuación, en la figura 1, se observa como
diversos
tipos
de
conocimientos
interactúan
entre sí para generar un impacto más eficaz en
la
incorporación
del
uso
de
las
TIC
en
el
profesorado, de manera que se tienen diferentes
conocimientos: pedagógico (PK), de contenido
(CK),
tecnológico
(TK),
pedagógico
y
de
contenido
(PCK),
tecnológico
y
de
contenido
(TCK),
tecnológico
pedagógico
(TPK),
y
un
conocimiento
tecnológico
pedagógico
del
contenido (TPACK) (Cabero et al., 2025).
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 10
Octubre del 2026
Página 105
Figura 1
. Modelo TPACK.
Fuente: (Mishra y Koehler, 2006)
En el ámbito de la formación docente, el modelo
AI-TPACK
se
ha
consolidado
como
un
referente
para
comprender
las
competencias
necesarias para la integración de la inteligencia
artificial
en
la
enseñanza,
en
cuanto
a
la
investigación y al uso de la IA y la IAG en el
aula se refiere, así, en los últimos tiempos han
aparecido
una
diversidad
de
trabajos
que
la
relacionan con el modelo TPACK (Celik, 2023;
Choudhury
et
al.,
2024;
Ning
et
al.,
2024;
Paidecán y Arredondo, 2024; Lan, et al., 2025).
En
relación
a
la
idea
anterior,
Runge
et
al.
(2025),
encontraron
que
la
participación
en
experiencias formativas relacionadas con la IA
fortalece
las
capacidades
de
los
futuros
docentes
para
vincular
el
conocimiento
tecnológico
con
los
aspectos
pedagógicos
y
disciplinares
de
su
práctica
profesional,
los
autores
destacan
que
este
desarrollo
competencial
favorece
percepciones
más
positivas sobre el uso de la inteligencia artificial
y
contribuye
a
incrementar
la
intención
de
incorporarla
en
los
procesos
educativos,
de
igual
manera,
una
mayor
preparación
en
AI-
TPACK parece asociarse con una reducción de
las
barreras
derivadas
de
la
incertidumbre
tecnológica y con una mayor disposición para
explorar estrategias de innovación pedagógica
en el aula.
Materiales y Métodos
El
presente
trabajo
de
investigación
ha
sido
realizado
con
base
al
método
cualitativo
documental, el cual es sustentado mediante una
revisión
sistematizada
de
la
literatura
de
autorías expertas en la materia a nivel nacional
e
internacional,
así
mismo,
se
desarrolló
un
diseño
metodológico
de
carácter
teórico-
documental con alcance exploratorio, orientado
al
análisis
crítico
de
la
producción
científica
relacionada con la alfabetización en inteligencia
artificial y su incidencia en la transformación de
la práctica docente en la educación superior.
Este
enfoque
permite
integrar
y
examinar
de
manera sistemática el conocimiento disponible,
favoreciendo la comprensión de un fenómeno
que continúa evolucionando de forma acelerada
tanto
en
el
ámbito
educativo
como
en
el
desarrollo
tecnológico,
en
este
sentido,
la
revisión de la literatura constituye un método de
investigación
que
trasciende
la
simple
recopilación
de
información,
al
facilitar
la
síntesis,
interpretación
y
valoración
crítica
de
las
contribuciones
científicas
existentes,
generando
nuevo
conocimiento
a
partir
de
la
evidencia
disponible
(Snyder,
2019).
En
este
sentido, la revisión de la literatura constituye el
fundamento
científico
sobre
el
cual
se
estructura
la
investigación
realizada,
ya
que
permite integrar conocimientos provenientes de
estudios
recientes,
identificar
coincidencias
y
contrastes entre diferentes enfoques, así como
recuperar evidencias que contribuyen a explicar
el fenómeno analizado, para ello, se realizó un
proceso
sistemático
de
búsqueda,
selección
y
análisis
crítico
de
documentos
científicos
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 10
Octubre del 2026
Página 106
especializados,
priorizando
publicaciones
académicas
que
aportaran
información
relevante, actual y pertinente para los objetivos
del estudio, esta aproximación coincide con lo
señalado por Guirao
(
2015), quien destaca que
la
revisión
documental
representa
un
procedimiento
riguroso
para
sintetizar,
organizar
e
interpretar
el
conocimiento
disponible
desde
una
perspectiva
analítica
y
crítica.
Bajo
esta
conceptualización,
la
revisión
documental
tuvo
como
propósito
identificar,
seleccionar
y
analizar
investigaciones
relevantes
que
permitieran
comprender
los
principales
enfoques
conceptuales,
tendencias
de
investigación,
aportaciones
teóricas
y
desafíos
asociados
con
la
alfabetización
en
inteligencia
artificial
dentro
del
contexto
universitario. El proceso de análisis se orientó
a reconocer las transformaciones que la IAG ha
comenzado
a
producir
en
las
prácticas
de
la
enseñanza,
en
el
desarrollo
de
competencias
docentes y en la redefinición de los procesos de
aprendizaje,
procurando
establecer
relaciones
entre
los
hallazgos
reportados
por
diferentes
autores
y
las
implicaciones
educativas
derivadas
de
su
implementación.
De
manera
complementaria, el estudio busca construir un
marco
interpretativo
sustentado
en
las
aportaciones de investigadores especializados y
en
evidencia
científica
procedente
de
fuentes
académicas de reconocido prestigio.
A
través
del
análisis
comparativo
de
la
literatura,
se
pretende
alcanzar
una
comprensión
amplia
del
proceso
de
alfabetización
en
IA
dentro
de
la
educación
superior, identificando los principales enfoques,
tendencias emergentes, desafíos institucionales
y transformaciones que esta tecnología impulsa
en
la
práctica
docente.
El
desarrollo
de
la
estructura de la presente investigación se realizó
conforme
a
lo
siguiente:
Determinación
del
tema,
realización
de
un
plan
de
trabajo
a
efectuar,
exploración
e
identificación
de
bibliografía,
recopilación
de
documentos
referenciales,
estudio
y
análisis,
resumen
de
información
y
redacción
y
realización
del
artículo (Cué et al., 2008).
Resultados y Discusión
En la siguiente tabla 1, se puede observar los
componentes del modelo AI-TPACK realizado
por Runge et al. (2025), en el cual establecen
sus componentes, descripción y su aplicación en
la práctica docente.
Tabla 1.
Componentes del modelo AI-TPACK y su aplicación en la educación superior.
Componente
Descripción
Aplicación en la práctica docente
Conocimiento
disciplinar (CK)
Dominio de los contenidos propios de una disciplina
o área de conocimiento.
Selección y organización de contenidos académicos pertinentes
para el aprendizaje.
Conocimiento
pedagógico (PK)
Comprensión de métodos, estrategias y enfoques de
enseñanza.
Diseño de actividades y experiencias de aprendizaje centradas
en el estudiante.
Conocimiento
tecnológico (TK)
Manejo de herramientas y recursos tecnológicos,
incluyendo aplicaciones basadas en inteligencia
artificial.
Uso de plataformas digitales, asistentes inteligentes y
herramientas de IA para apoyar la enseñanza.
Conocimiento
pedagógico del
contenido (PCK)
Integración entre los contenidos disciplinares y las
estrategias pedagógicas.
Adaptación de métodos didácticos a las características de los
contenidos impartidos.
Conocimiento
tecnológico del
contenido (TCK)
Relación entre la tecnología y los contenidos
específicos de una disciplina.
Utilización de herramientas de IA para representar, analizar o
generar información especializada.
Conocimiento
tecnológico pedagógico
(TPK)
Comprensión de cómo la tecnología puede apoyar y
transformar los procesos de enseñanza y aprendizaje.
Incorporación de herramientas digitales para favorecer la
participación, retroalimentación y evaluación.
AI-TPACK
Integración del conocimiento disciplinar, pedagógico
y tecnológico con competencias específicas
relacionadas con la inteligencia artificial.
Diseño de experiencias educativas que incorporen IA de
manera ética, crítica y pedagógicamente pertinente para
mejorar los procesos de enseñanza y aprendizaje.
Fuente: Elaboración propia.
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 10
Octubre del 2026
Página 107
Los estudios analizados en el presente trabajo
de investigación muestran una convergencia al
reconocer que el conocimiento tecnológico por
sí solo resulta insuficiente para garantizar una
integración
educativa
efectiva
de
la
IA
en
el
salón
de
clase,
por
el
contrario,
la
evidencia
apunta
a
la
necesidad
de
desarrollar
competencias
que
permitan
interpretar
críticamente los resultados generados por estas
herramientas digitales, diseñar experiencias de
aprendizaje mediadas por IA y promover un uso
ético y transparente de estas tecnologías (Celik,
2023;
Al-Abdullatif,
2024;
Buitrago
et
al.,
2024).
Desde
esta
perspectiva,
los
resultados
encontrados fortalecen la vigencia del modelo
Technological Pedagogical Content Knowledge
(TPACK)
propuesto
por
Mishra
y
Koehler
(2006), aunado a esto, evidencian la necesidad
de la evolución de este hacia diversos marcos
conceptuales
que
incorporen
la
IA.
Con
el
surgimiento de propuestas como el AI-TPACK
o
el
GenAI-TPACK,
mismos
que
amplían
el
modelo original, ya que integran competencias
relacionadas con la comprensión de algoritmos
inteligentes, la evaluación crítica de contenidos
generados
automáticamente
y
la
toma
de
decisiones
pedagógicas
sustentadas
en
principios éticos (Celik, 2023; Lan et al., 2025;
Choudhury et al., 2024).
Esta
evaluación
conceptual
responde
a
una
necesidad
del
cambio
en
la
naturaleza
de
la
práctica
docente,
ya
que
el
profesorado
ha
dejado
de
interactuar
únicamente
con
tecnologías
digitales
convencionales
para
comenzar a colaborar con sistemas capaces de
producir
información
en
tiempo
real,
generar
materiales
didácticos
y
ofrecer
procesos
de
retroalimentación
automatizada.
La
alfabetización
del
profesorado
en
IA
no
debe
reducirse solamente al aprendizaje del cómo es
el
funcionamiento
técnico
de
las
diversas
herramientas
tecnológicas
como
los
modelos
generativos
de
lenguaje
o
los
asistentes
conversacionales, sino que sea considerada de
una
forma
integral,
capaz
de
combinar
texto,
imágenes,
audio
y
video,
con
aplicaciones
personalizadas
en
entornos
educativos
inteligentes y profesionales (Bommasani et al.,
2021).
En relación a lo anterior, la alfabetización en IA
se constituye como una competencia transversal
que implica desarrollar criterios de valoración
de la calidad en la información producida por
estos
sistemas,
y
así,
identificar
los
posibles
sesgos
algorítmicos
y
reconocer
las
diversas
limitaciones en los resultados obtenidos, y por
consiguiente,
garantizar
que
las
decisiones
educativas
en
la
formación
académica
universitaria
se
fundamenten
en
beneficio
del
docente
y
del
alumnado,
esta
visión
coincide
con
lo
señalado
por
Luckin
(2023),
quien
sostiene
que
la
inteligencia
artificial
debe
entenderse
como
una
tecnología
destinada
a
potenciar el aprendizaje mediante procesos de
diseño educativo, y no como un sustituto de la
capacidad pedagógica del profesorado.
Esta revisión documental ha evidenciado que la
incorporación
de
la
IAG
está
modificando
progresivamente
la
práctica
docente
universitaria,
los
estudios
analizados
señalan
que
el
docente
ya
no
desempeña
exclusivamente
el
papel
de
transmisor
del
conocimiento,
sino
que
asume
funciones
orientadas al diseño de nuevas experiencias de
aprendizaje,
la
mediación
pedagógica,
la
personalización
de
diversos
procesos
formativos y el acompañamiento del desarrollo
de competencias
complejas, así,
su adopción
precisa analizar las competencias digitales
del
profesorado
y
diseñar
programas
formativos que integren estas tecnologías de
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 10
Octubre del 2026
Página 108
manera ética y coherente con los objetivos
didácticos (García, 2025).
Esta transformación se encuentra estrechamente
relacionada con el fortalecimiento de modelos
como
el
AI-TPACK
y
GenAI-TPACK,
los
cuales amplían el marco conceptual tradicional
del
TPACK
al
incorporar
competencias
específicas
para
la
integración
ética
y
pedagógica de la IA. Un hallazgo relevante y
fundamental
consiste
en
la
creciente
importancia
que
adquiere
la
constante
formación
docente
como
una
condición
indispensable para la incorporación efectiva de
la IA en la educación superior.
La literatura revisada muestra que el nivel de
alfabetización
en
IA
influye
de
forma
significativa en la confianza del profesorado, en
la percepción de la utilidad de estas tecnologías
y en la disposición para integrarlas dentro de los
procesos de enseñanza-aprendizaje, no obstante
se han identificado desafíos relacionados con la
ausencia
de
políticas
institucionales,
la
necesidad
de
fortalecer
la
infraestructura
tecnológica,
la
actualización
curricular
y
el
establecimiento
de
lineamientos
éticos
que
orienten al uso responsable de la IA en el aula,
cada
una
de
ellas
revela
tanto
oportunidades
como desafíos que deben ser abordados desde
una perspectiva crítica y estratégica (Jardón et
al., 2024), ya que, aún existe una brecha entre
los
planes
formativos
universitarios
y
las
exigencias
que
plantea
la
práctica
educativa
cotidiana (Espinosa et al., 2026).
Como resultado de la integración y análisis de
la
evidencia
científica
revisada,
la
presente
investigación propone el Modelo Integrador de
Alfabetización en Inteligencia Artificial para la
Transformación
de
la
Práctica
Docente
Universitaria
(MIAI-TPDU),
el
cual
sintetiza
las principales dimensiones identificadas en la
literatura
y
explica
las
relaciones
existentes
entre el contexto institucional, la alfabetización
en IA, el desarrollo de competencias docentes,
la innovación pedagógica y la mejora continua
de la calidad educativa, este modelo constituye
una propuesta conceptual derivada del análisis
documental
y
busca
ofrecer
un
marco
de
referencia
para
futuras
investigaciones
orientadas
a
comprender
y
fortalecer
los
procesos
de
la
transformación
educativa
mediados por la IA, dentro de este marco, los
docentes deben estar preparados para enfrentar
dilemas relacionados con la privacidad de los
datos, el sesgo algorítmico y el uso responsable
de
herramientas
automatizadas
(UNESCO
IESALC, 2025; Posso, 2025).
A partir de la investigación realizada se puede
concebir que la alfabetización en IA ha dejado
de
percibirse
no
solamente
como
una
competencia
complementaria,
sino
que
se
ha
transformado
en
un
componente
estratégico
para
el
desarrollo
profesional
de
la
plantilla
docente en la educación superior, todo esto a la
par
del
planteamiento
del
surgimiento
de
nuevos
retos
en
términos
de
regulación,
equidad, formación docente y diseño curricular
(Lara y Arriaga, 2025).
Se ha observado el incremento de la utilización
de herramientas de la IAG en las universidades,
y así, en cómo se ha modificado las formas de
planeación,
desarrollo
y
evaluación
de
los
diversos
procesos
de
enseñanza-aprendizaje,
esto genera la necesidad de que el profesorado
no
solamente
adquiera
conocimiento
técnicos
sobre estas herramientas tecnológicas, sino que
también
desarrolle
capacidades
para
comprender
sus
implicaciones
pedagógicas,
éticas
y
sociales,
lo
que
compromete
su
efectividad
y
puede
acentuar
desigualdades
digitales
entre
instituciones
(Jarke
y
Breiter,
2019). En este sentido, la alfabetización en IA
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 10
Octubre del 2026
Página 109
representa
un
proceso
formativo
de
forma
integral
que
favorece
una
utilización
crítica,
reflexiva
y
responsable
de
estos
instrumentos
tecnológicos dentro del contexto universitario.
En
relación
a
la
problemática
expuesta,
esta
transformación
tecnológica,
coincide
con
la
evolución que la competencia digital docente ha
experimentado en los últimos años, aun así, el
sistema educativo no siempre ha evolucionado
al mismo ritmo que las demandas tecnológicas
(Domínguez Díaz, 2016), ya que, la pandemia
de COVID-19, declarada por la OMS el 11 de
marzo
de
2020
(Cucinotta
y
Vanelli,
2020),
provocó
que
la
integración
tecnológica
se
centrara
principalmente
en
el
dominio
instrumental de diversas plataformas y recursos
digitales, en relación a esto, la irrupción de la
IAG modificó significativamente las exigencias
competenciales del profesorado en la educación
superior.
En
este
sentido
se
comprende
que
esta
transformación
resulta
consistente
con
la
literatura internacional sobre IA aplicada en la
educación
superior,
cabe
mencionar
que,
Holmes
et
al.
(2019)
ya
advertían
que
la
IA
posee un enorme potencial para personalizar los
procesos
de
enseñanza,
automatizar
tareas
administrativas
y
favorecer
trayectorias
de
aprendizaje adaptativas, sin embargo, también
subrayaban
que
estos
beneficios
únicamente
pueden
materializarse
cuando
el
profesorado
desarrolla
las
competencias
necesarias
para
comprender
el
funcionamiento
y
las
limitaciones de estas tecnologías.
La alfabetización en IA se debe concebir como
un
proceso
de
aprendizaje
continuo
en
el
desarrollo
profesional
del
profesorado,
y
no
solamente como una capacitación aislada sobre
el
uso
de
herramientas
digitales,
debido
a
la
fragilidad
pedagógica
existente
en
muchos
casos (De Benito et al., 2017), y así, que esto
propicie
que
las
universidades
rediseñen
y
promuevan
estrategias
permanentes
de
actualización docente debido a la velocidad con
la
que
los
modelos
generativos
evolucionan,
exigiendo
que
se
integren
dimensiones
tecnológicas,
pedagógicas,
éticas
e
investigativas.
Con
base
al
análisis
crítico
de
la
literatura
científica
revisada
y
en
la
convergencia
identificada entre los principales enfoques sobre
alfabetización en IA, las competencias docentes
y la innovación educativa, se ha propuesto un
modelo conceptual que concentra las relaciones
existentes
entre
estos
elementos
dentro
del
contexto de la educación superior, en relación a
esto,
este
modelo
no
sustituye
los
marcos
teóricos
que
previamente
han
sido
desarrollados,
sino
que
los
integra
desde
una
perspectiva sistémica que permite comprender
el cómo la alfabetización en IA constituye el eje
articulador de la transformación de la práctica
docente, asimismo, estas competencias ayudan
al uso eficaz de las tecnologías y también
favorecen
la
innovación
pedagógica
(Redecker y Punie, 2020).
La propuesta está fundamentada en la evolución
del modelo TPACK (Mishra y Koehler, 2006),
hacia enfoques recientes como el AI-TPACK e
Intelligent-TPACK
(Celik,
2023;
Al-
Abdullatif, 2024; Lan et al., 2025), así como en
los
planteamientos
sobre
alfabetización
en
Inteligencia
artificial
(Buitrago
et
al.,
2024),
pensamiento
complejo
(Ramírez
et
al.,
2024;
Talamás et al., 2024) y aprendizaje mediado por
inteligencia
artificial
(Holmes
et
al.,
2019;
Luckin,
2023),
todas
estas
contribuciones
permiten estructurar un modelo integrador que
menciona y explica las condiciones necesarias
para favorecer una transformación sostenible en
la práctica docente universitaria.
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 10
Octubre del 2026
Página 110
Figura 2.
Modelo Integrador de Alfabetización
en
Inteligencia
Artificial
para
la
Transformación
de
la
Práctica
Docente
Universitaria (MIAI-TPDU).
Fuente: Elaboración propia.
Como
se
puede
observar
en
la
figura
2,
la
transformación
de
la
práctica
docente
se
concibe como un proceso dinámico que inicia
en el contexto institucional, donde las políticas
universitarias,
la
gobernanza
de
la
IA,
la
infraestructura tecnológica y la cultura digital
crean las condiciones adecuadas para impulsar
la innovación
educativa en el profesorado, en
este contexto, la alfabetización en IA constituye
el eje central del modelo, no solo al integrar el
conocimiento sobre herramientas de IAG, sino
también
al
pensamiento
crítico,
la
alfabetización de datos y la comprensión de sus
implicaciones éticas y pedagógicas.
A partir de esto, se fortalecen las competencias
docentes
mediante
la
integración
del
conocimiento
disciplinar,
pedagógico
y
tecnológico que se propone en los modelos AI-
TPACK
y
GenAI-TPACK,
esto
favorece
el
diseño
de
estrategias
didácticas
innovadoras,
una
evaluación
auténtica
y
promueve
el
uso
responsable
de
la
IA,
como
resultado,
esta
práctica docente evoluciona hacia modelos de
enseñanza
más
flexibles,
personalizados
y
centrados
en
el
estudiante,
lo
que
implica
la
necesidad de marcos normativos, de formación
del
profesorado
y
políticas
educativas
necesarias para la integración de la tecnología
en
los
procesos
de
enseñanza-aprendizaje
(European Commission, 2022), esto promueve
el
aprendizaje
significativo,
la
innovación
institucional y la mejora continua de la calidad
educativa.
En conjunto, el modelo presentado sintetiza la
evidencia
identificada
en
la
revisión
documental y propone un marco conceptual que
integra
las
dimensiones
institucionales,
tecnológicas,
pedagógicas
y
éticas
que
se
involucran en la transformación de la práctica.
En
relación
con
lo
anterior,
la
revisión
sistemática realizada por Zawacki et al. (2019)
evidenció
que
gran
parte
de
la
investigación
sobre inteligencia artificial en educación se ha
concentrado
en
el
desarrollo
tecnológico,
mientras
que
los
estudios
centrados
en
las
competencias
docentes
continúan
siendo
relativamente escasos, con base a esto, se puede
explicar
el
creciente
interés
de
la
comunidad
científica para investigar la alfabetización en IA
como un componente esencial en el desarrollo
profesional docente.
Por otro lado, ha emergido otro paradigma, el
cual
es
la
aceptación
de
la
IA
por
parte
del
profesorado, ya que esto depende de distintos
factores
que
se
interrelacionan
entre
sí,
estas
variables se muestran en los diversos modelos
mencionados en la presente investigación, estos
son: la confianza en la tecnología, la percepción
de
su
utilidad,
su
facilidad
de
uso,
y
especialmente, el nivel de alfabetización en IA
influyen significativamente en la intención de
integrar estas herramientas dentro de la práctica
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 10
Octubre del 2026
Página 111
educativa
(Al-Abdullatif,
2024;
Runge
et
al.,
2025),
en
relación
a
esto
se
observa
que
los
resultados arrojan que la resistencia observada
en algunos contextos universitarios no transige
necesariamente
a
un
rechazo
o
al
tener
cierta
actitud negativa hacia la innovación tecnológica
en el aula, sino que, en muchos casos, obedece
a una deficiente preparación institucional en el
acompañamiento
de
estos
procesos
de
transformación.
Conclusiones
La
presente
investigación
ha
permitido
comprobar y reconocer que la alfabetización en
IA
constituye
uno
de
los
principales
desafíos
para la educación superior contemporánea, ya
que,
representa
una
competencia
que
ha
difundido
el
aprendizaje
instrumental
de
herramientas digitales y que se vincula con la
transformación
de
la
práctica
docente,
la
innovación educativa y el fortalecimiento de la
calidad de los diversos procesos formativos en
las universidades.
La evidencia analizada muestra que el potencial
de
la
IA
no
depende
exclusivamente
del
desarrollo tecnológico, sino que en gran medida
depende de la capacidad del profesorado y de
las
políticas
institucionales
para
integrarla
de
una
forma
crítica,
ética
y
que
sea
pedagógicamente
pertinente.
Bajo
esta
perspectiva, la alfabetización en IA trasciende a
lo
que
era
el
aprendizaje
operativo
de
aplicaciones
tecnológicas
específicas,
para
convertirse en un elemento fundamental de la
innovación
educativa
y
así,
generar
una
simbiosis
en
la
transformación
de
la
práctica
docente en la educación superior con el uso de
herramientas
digitales,
esto
contribuye
al
fortalecimiento de la capacidad del profesorado
para enfrentar y responder a los desafíos que ha
replanteado un ecosistema educativo cada vez
más
mediado
por
tecnologías
inteligentes.
Asimismo,
la
revisión
documental
realizada
evidenció
una
evolución
en
los
enfoques
teóricos
que
han
sido
utilizados
para
comprender
la
incorporación
de
la
IA
en
la
práctica
docente
universitaria,
desde
la
transición
del
modelo
TPACK,
hacia
las
propuestas
como
el
AI-TPACK
y
el
GenAI-
TPACK,
de
igual
forma,
se
ve
reflejada
la
necesidad de ampliar las competencias docentes
para
responder
de
manera
pertinente
a
un
entorno educativo que ha sido caracterizado por
la presencia creciente de herramientas digitales
cada vez más inteligentes, sin
embargo, estos
hallazgos también nos plantea que la formación
permanente
del
profesorado
sigue
siendo
una
condición
indispensable
para
reducir
las
brechas
existentes
entre
el
desarrollo
tecnológico y su aplicación efectiva dentro de
las IES.
Como aportación principal de este estudio, se
propone
el
Modelo
Integrador
de
Alfabetización en Inteligencia Artificial para la
Transformación
de
la
Práctica
Docente
Universitaria
(MIAI-TPDU),
el
cual
ha
sido
construido a partir de la integración crítica de la
literatura
científica
revisada,
con
base
a
esto,
este
modelo
ofrece
una
perspectiva
sistémica
que
articula
dimensiones
tecnológicas,
pedagógicas,
éticas
e
institucionales,
el
cual
contribuye
a
explicar
la
forma
en
que
la
alfabetización
en
IA
favorece
a
los
procesos
sostenibles de innovación y a la transformación
educativa en el ámbito universitario, si bien se
trata de una propuesta conceptual derivada de
una
investigación
documental,
constituye
un
punto
de
partida
para
futuras
investigaciones
que
permitan
validar
empíricamente
sus
componentes y relaciones en distintos contextos
de la educación superior. Se considera que, las
universidades enfrentan el reto de avanzar hacia
la creación de nuevas estrategias institucionales
que promuevan la alfabetización permanente en
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 10
Octubre del 2026
Página 112
IA,
la
cual
sea
orientada
no
únicamente
a
la
utilización
y
dominio
de
nuevas
herramientas
inteligentes, sino también al fortalecimiento del
pensamiento
crítico,
a
la
ética
digital,
la
innovación pedagógica y a la formación integral
de docentes y estudiantes, en este escenario, la
IA debe entenderse como un recurso al servicio
de
los
procesos
educativos
y
no
como
un
sustituto de la capacidad humana para enseñar,
aprender, investigar y generar conocimiento.
Referencias Bibliográficas
Alhuraybi,
F.,
Rahmath,
M.,
Abdellatif,
M,
Mekheimer, M., & Abdelhalim, W. (2026).
Bridging the AI-TPACK chasm: The impact
of faculty AI literacy on pedagogical quality
and
scholarly
output
in
higher
education.
International Journal of Learning, Teaching
and Educational Research, 25
(3), 655–679.
https://doi.org/10.26803/ijlter.25.3.28
Al-Abdullatif,
A.
(2024).
Modeling
teachers'
acceptance
of
generative
artificial
intelligence use in higher education: The role
of
AI
literacy,
intelligent
TPACK,
and
perceived trust.
Education Sciences, 14
(11),
1209.
https://doi.org/10.3390/educsci14111209
Arriaga,
O.,
Del
Carmen,
P.,
&
Pasciuta,
P.
(2022).
Los
Centros
Públicos
de
Investigación,
como
eje
central
de
la
innovación
y
la
educación
en
México.
Scientia
et
PRAXIS,
2
(04),
66–81.
https://doi.org/10.55965/setp.2.coed.a3
Bommasani,
R.,
Hudson,
D.
A.,
Adeli,
E.,
Altman, R., Arora, S., von Arx, S., Bernstein,
M. S., Bohg, J., Bosselut, A., Brunskill, E.,
Brynjolfsson,
E.,
Buch,
S.,
Card,
D.,
Castellon, R., ChaĴerji, N., Chen, A., Creel,
K., Davis, J. Q., Demszky, D., & Liang, P.
(2021).
On
the
opportunities
and
risks
of
foundation
models
.
arXiv.
https://arxiv.org/abs/2108.07258
Buitrago, Á, Martín, A., & Torres, L. (2024). La
alfabetización
en
inteligencia
artificial:
propuesta
articulada
de
dimensiones
e
indicadores.
Communication Papers. Media
Literacy
and
Gender
Studies,
13
(27),
118–
139.
https://doi.org/10.33115/udg_bib/cp.v13i27.
23086
Cabero, J., Pedraza, C., Fredy, J., & Palacios, A.
(2025).
Conocimiento
de
la
Inteligencia
Artificial
Generativa
del
profesorado.
Modelo predictivo basado en el TPACK para
la
integración
ética
de
la
Inteligencia
Artificial
Generativa
en
la
Educación
Superior.
Revista
Electrónica
Interuniversitaria
de
Formación
del
Profesorado,
29
(1),
15–31.
https://doi.org/10.6018/reifop.690971
Celik, I., Dindar, M., Muukkonen, H., y Järvelä
(2022).
The
promises
and
challenges
of
artificial
intelligence
for
teachers:
A
systematic
review
of
research.
TechTrends,
66
(4),
616–630.
https://doi.org/10.1007/s11528-022-00715-y
Celik,
I.
(2023).
Towards
intelligent-TPACK:
An empirical study on teachers’ professional
knowledge
to
ethically
integrate
artificial
intelligence (AI)-based tools into education.
Computers in Human Behavior, 138
, 107468.
https://doi.org/10.1016/j.chb.2022.107468
Chiriguayo, M., Díaz, E., Placencio, L., Muñoz,
A, & Rumazo, A. (2026). Transformación del
rol del docente frente al uso de la inteligencia
artificial
en
la
educación.
Ciencia
Latina
Revista
Científica
Multidisciplinar,
10
(2),
7086–7097.
https://doi.org/10.37811/cl_rcm.v10i2.23717
Choudhury, S., Deb, J., Pradhan, P., & Mishra,
A.
(2024).
Validation
of
the
Teachers
AI-
TPACK
Scale
for
the
Indian
educational
setting.
International
Journal
of
Experimental
Research
and
Review,
43
(Spl
Vol),
119–133.
https://doi.org/10.52756/ijerr.2024.v43spl.00
9
Cucinotta,
D.,
&
Vanelli,
M.
(2020).
WHO
declares
COVID-19
a
pandemic
(La
OMS
declara
al
COVID-19
una
pandemia).
Acta
Bio Medica: Atenei Parmensis, 91
(1), 157–
160.
https://doi.org/10.23750/abm.v91i1.9397
Cué,
M.,
Díaz,
G.,
Díaz,
A.,
&
Valdés,
M.
(2008).
El
artículo
de
revisión.
Revista
Cubana
de
Salud
Pública,
34
(4),
1–11.
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 10
Octubre del 2026
Página 113
https://www.redalyc.org/articulo.oa?id=2141
9854011
De Benito, B., Lizana, A., y Salinas, J. (2017).
Using
concept
mapping
for
faculty
development
in
the
context
of
pedagogic
frailty.
Knowledge
Management
&
E-
Learning,
9
(3),
329–347.
https://doi.org/10.34105/j.kmel.2017.09.020
Domínguez,
Y.
(2016).
La
utilización
de
las
Tecnologías
de
la
Información
y
las
Comunicaciones
(TIC)
en
el
aprendizaje
universitario.
Revista
Universidad
y
Sociedad,
8
(4),
158–163.
http://scielo.sld.cu/scielo.php?script=sci_artt
ext&pid=S2218-36202016000400021
scielo.org.bo
Espinosa,
X.,
Jara,
P.,
Rodríguez,
C.,
&
Contreras,
C.
(2026).
Experiencias
formativas
de
aprendizaje
y
servicio
en
la
formación
inicial
docente.
Actualidades
Investigativas
en
Educación,
26
(2),
e3356–
e3356.
https://doi.org/10.15517/adpyn347
European
Commission.
(2022).
Ethical
guidelines on the use of artificial intelligence
and
data
in
teaching
and
learning
for
educators
.
Publications
Office
of
the
European
Union.
https://education.ec.europa.eu/
García, I., & Bello, E. (2025). Cursos virtuales
para
la
internacionalización
del
currículo:
innovaciones
disruptivas
para
docentes
de
educación
superior.
Actualidades
Investigativas
en
Educación,
25
(3),
1–21.
https://doi.org/10.15517/ht3sq620
García, O. (2025). Percepciones docentes sobre
el uso de inteligencia artificial generativa en
la educación superior. Un estudio cualitativo
en
la
Universidad
Autónoma
de
Sinaloa.
Praxis,
21
(4),
773–792.
https://doi.org/10.21676/23897856.6747
Guirao,
J.
Adolf.
(2015).
Utilidad
y
tipos
de
revisión
de
literatura.
Ene,
9
(2).
https://doi.org/10.4321/S1988-
348X2015000200002
Holmes,
W.,
Bialik,
M.,
&
Fadel,
C.
(2019).
Artificial intelligence in education: Promises
and implications for teaching and learning
.
Center
for
Curriculum
Redesign.
https://curriculumredesign.org/our-
work/artificial-intelligence-in-education/
Center for Curriculum Redesign
Jardón, M., Allas, W., Zamora, D., & Cedeño,
N. (2024). Impacto de la inteligencia artificial
en
la
educación
superior:
percepciones
de
alumnos y profesores sobre el uso de IA en el
aprendizaje y la evaluación.
Reincisol, 3
(6),
7008–7033.
https://doi.org/10.59282/reincisol.V3(6)7008
-7033
Jarke, J., & Breiter, A. (2019). Editorial: The
datafication
of
education.
Learning,
Media
and
Technology,
44
(1),
1–6.
https://doi.org/10.1080/17439884.2019.1573
833
Karmakar,
S.,
&
Xu,
B.
(2025).
Students’
mindset
to
adopt
AI
chatbots
for
online-
learning
effectiveness
in
higher
education.
Financial
Innovation,
11
(1),
45.
https://doi.org/10.1186/s43093-025-00459-0
Lan, G., Feng, X., Du, S., Song, F., & Xiao, Q.
(2025).
Integrating
ethical
knowledge
in
generative
AI
education:
Constructing
the
GenAI-TPACK
framework
for
university
teachers’
professional
development.
Education
and
Information
Technologies,
30
(11),
15621–15644.
https://doi.org/10.1007/s10639-025-13427-6
Lara, P. & Arriaga, O. (2025). Evolución de la
inteligencia
artificial:
impacto
en
la
educación
universitaria
como
factor
de
competitividad.
Revista
Multidisciplinaria
Voces de América y el Caribe, 2
(2), 492–511.
https://doi.org/10.69821/REMUVAC.v2i2.2
20
Luckin, R. (2023). Learning as a design science
in the age of generative AI.
British Journal of
Educational Technology, 54
(6), 1769–1784.
https://doi.org/10.1111/bjet.13341
Ma, W., Adesope, O. O., Nesbit, J. C., y Liu, Q.
(2014).
Intelligent
tutoring
systems
and
learning outcomes: A meta-analysis.
Journal
of Educational Psychology, 106
(4), 901–918.
https://doi.org/10.1037/a0037123
Manjarrés,
Á.,
&
Pickin,
S.
(2021).
Aprendizaje-servicio
y
Agenda
2030
en
la
formación
de
ingenieros
de
la
tecnología
inteligente.
Revista
DIECISIETE:
Investigación
Interdisciplinar
para
los
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 10
Octubre del 2026
Página 114
Objetivos de Desarrollo Sostenible
, (4), 59–
82.
https://doi.org/10.36852/2695-
4427_2021_04.03
Mishra,
P.,
&
Koehler,
M.
J.
(2006).
Technological
pedagogical
content
knowledge:
A
framework
for
teacher
knowledge.
Teachers
College
Record,
108
(6),
1017–1054.
https://doi.org/10.1111/j.1467-
9620.2006.00684.x
Ning,
Y.,
Zhang,
C.,
Xu,
B.,
Zhou,
Y.,
&
Wijaya, T. T. (2024). Teachers’ AI-TPACK:
Exploring
the
relationship
between
knowledge
elements.
Sustainability,
16
(3),
978.
https://doi.org/10.3390/su16030978
Paidecán,
M.,
&
Arredondo,
P.
(2024).
A
inteligência
artificial
em
contextos
de
conhecimento
técnico
pedagógico
do
conteúdo
(TPACK):
Uma
revisão
da
literatura.
Panorama,
18
(35).
https://doi.org/10.15765/pkjpwv56
Posso-Pacheco,
R.
J.
(2025).
La
inteligencia
artificial en la educación: Propuesta de una
metodología de enseñanza integrada.
Revista
Docere,
10
(1),
20–35.
https://doi.org/10.56200/mried.v4i10.9501
Ramírez Mendoza, P. N., Vargas Ayarza, A.,
Cedeño Ramírez, A., Leiva Gomez, L. E., &
Calsin Pérez, R. A. (2025). El pensamiento
complejo, la transformación digital y la IA en
la educación superior.
Horizontes Revista de
Investigación en Ciencias de la Educación,
9
(37),
1027–1038.
https://doi.org/10.33996/revistahorizontes.v9
i37.966
Ramírez-Montoya,
M.
S.,
Basabe,
F.
E.,
Arroyo, M. C., Zúñiga, I. A. P., & Portuguez-
Castro,
M.
(2024).
Modelo
abierto
de
pensamiento
complejo
para
el
futuro
de
la
educación
.
Octaedro.
https://octaedro.com/wp-
content/uploads/2024/01/9788410054141.pd
f
octaedro.com
Redecker,
C.,
&
Punie,
Y.
(2020).
European
framework
for
the
digital
competence
of
educators:
DigCompEdu
.
Publications
Office
of
the
European
Union.
https://doi.org/10.2760/159770
Rocha Chasi, M. E., Solórzano David, P. M.,
Mero
Oña,
J.
F.,
Segura
Zarchi,
J.
C.,
&
Anatoa Cárdenas, V. A. (2026). Uso ético de
la
inteligencia
artificial
generativa
en
educación
escolar.
Ciencia
y
Educación,
7
(7),
181–192.
https://doi.org/10.5281/zenodo.21268685
Runge, I., Hebibi, F., & Lazarides, R. (2025).
Acceptance
of
pre-service
teachers
towards
artificial
intelligence
(AI):
The
role
of
AI-
related
teacher
training
courses
and
AI-
TPACK within the Technology Acceptance
Model.
Education
Sciences,
15
(2),
167.
https://doi.org/10.3390/educsci15020167
Schmid, M., Brianza, E., Mok, S., & Petko, D.
(2024).
Running
in
circles:
A
systematic
review
of
reviews
on
technological
pedagogical
content
knowledge
(TPACK).
Computers
&
Education,
214
,
105024.
https://doi.org/10.1016/j.compedu.2024.105
024
Snyder,
H.
(2019).
Literature
review
as
a
research
methodology:
An
overview
and
guidelines.
Journal
of
Business
Research,
104
,
333–339.
https://doi.org/10.1016/j.jbusres.2019.07.03
9
Talamás,
J.,
Ceballos,
H.,
y
Ramírez,
M.
(2024).
Identification
of
complex
thinking
related competencies: The building blocks of
reasoning
for
complexity.
Journal
of
Learning
Analytics,
11
(1),
37–48.
https://doi.org/10.18608/jla.2024.8079
Turing, A. (1950). Computing machinery and
intelligence.
Mind,
LIX
(236),
433–460.
https://doi.org/10.1093/mind/LIX.236.433
UNESCO
(2025).
Inteligencia
artificial
en
la
educación
superior:
Una
agenda
urgente
para
la
transformación
institucional
.
https://www.iesalc.unesco.org/es/articles/int
eligencia-artificial-en-la-educacion-superior-
una-agenda-urgente-para-la-transformacion
Villón,
M.
(2024).
Estrategias
para
integrar
herramientas
de
inteligencia
artificial
generativa
en
el
proceso
de
enseñanza-
aprendizaje
universitario.
Revista
Internacional de Investigación y Desarrollo
Global,
3
(4),
1–16.
https://doi.org/10.64041/riidg.v3i4.27
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 10
Octubre del 2026
Página 115
Yilmaz, R., Yurdugül, H., Karaoğlan Yilmaz, F.
G., Şahin, M., Sulak, S., Aydin, F., Tepgeç,
M., Terzi Müftüoğlu, C., y Oral, Ö. (2022).
Smart
MOOC
integrated
with
intelligent
tutoring:
A
system
architecture
and
framework model proposal.
Computers and
Education: Artificial Intelligence, 3
, 100092.
https://doi.org/10.1016/j.caeai.2022.100092
Xu, X., Qiao, L., Cheng, N., Liu, H., & Zhao,
W. (2025). Enhancing self-regulated learning
and
learning
experience
in
generative
AI
environments:
The
critical
role
of
metacognitive
support.
British
Journal
of
Educational Technology, 56
(5), 1842–1863.
https://doi.org/10.1111/bjet.13599
Zawacki,
O.,
Marín,
V,
Bond,
M.,
&
Gouverneur, F. (2019). Systematic review of
research on artificial intelligence applications
in
higher
education
–
where
are
the
educators?
International
Journal
of
Educational
Technology
in
Higher
Education,
16
(1).
https://doi.org/10.1186/s41239-019-0171-0
Esta obra está bajo una licencia de
Creative Commons Reconocimiento-No Comercial
4.0
Internacional.
Copyright
©
Omar
Guillermo-
Arriaga Cárdenas, Paola del Carmen Lara Magaña.
Declaraciones éticas y editoriales del artículo
Contribución de los autores (Taxonomía CRediT).
Omar Guillermo Arriaga Cárdenas: Conceptualización de la investigación, diseño metodológico, desarrollo del proceso investigativo, análisis formal
de los datos e interpretación de los datos, curación y organización de los datos, participación en la recolección de información.
Paola del Carmen Lara Magaña: revisión crítica del contenido científico, validación de los resultados obtenidos, revisión editorial del manuscrito
antes de su publicación 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.
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.
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.
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.
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 10
Octubre del 2026
Página 116
