Revista Multidisciplinar Epistemología de las Ciencias
Volumen 2, Número 3, 2025, julio-septiembre
DOI: https://doi.org/10.71112/va5m6220
PEDAGOGÍA ADAPTATIVA BASADA EN INTELIGENCIA ARTIFICIAL EN AULAS
FISCALES DEL ECUADOR
ADAPTIVE PEDAGOGY BASED ON ARTIFICIAL INTELLIGENCE IN PUBLIC
CLASSROOMS IN ECUADOR
Mercedes Esperanza Redrován Asanza
Mercedes Mallurys Suarez Garcia
Mercedes Aymar Asanza Sánchez
Marlene del Pilar Vilela Chérrez
Tania Mónica Camacho Naguas
Ecuador
DOI: https://doi.org/10.71112/va5m6220
1261 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 3, 2025, julio-septiembre
Pedagogía adaptativa basada en inteligencia artificial en aulas fiscales del
Ecuador
Adaptive pedagogy based on artificial intelligence in public classrooms in
Ecuador
Mercedes Esperanza Redrován Asanza
mercedes.redrovan@educacion.gob.ec
https://orcid.org/0000-0002-9447-6645
Escuela de Educación Básica Mariano Unda
Ecuador
Mercedes Mallurys Suarez Garcia
mallurys.suarez@educacion.gob.ec
https://orcid.org/0009-0006-2817-3677
Unidad Educativa 19 de Agosto
Ecuador
Mercedes Aymar Asanza Sánchez
mercedes.asanza@educacion.gob.ec
https://orcid.org/0009-0000-6089-6441
Escuela de Educación Básica Mariano Unda
Ecuador
Marlene del Pilar Vilela Chérrez
marlene.vilela@educacion.gob.ec
https://orcid.org/0009-0006-7580-9746
Escuela de Educación Básica Mariano Unda
Ecuador
Tania Mónica Camacho Naguas
tania.camacho@educacion.gob.ec
https://orcid.org/0009-0006-9928-9298
Escuela de Educación Básica Mariano Unda
Ecuador
RESUMEN
La presente investigación analiza el impacto de la pedagogía adaptativa basada en inteligencia
artificial (IA) en aulas fiscales de educación básica de la provincia del Guayas, Ecuador. El
estudio se desarrolló con un diseño mixto, cuasiexperimental, aplicando una intervención de
DOI: https://doi.org/10.71112/va5m6220
1262 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 3, 2025, julio-septiembre
doce semanas en tres instituciones educativas. Se emplearon pruebas académicas,
cuestionarios docentes, grupos focales y una plataforma adaptativa que personalizó contenidos
según el progreso individual de los estudiantes. Los resultados revelan mejoras significativas
en el rendimiento académico, incremento de la motivación intrínseca y mayor participación
activa en el grupo experimental, en comparación con el grupo control. Asimismo, los docentes
destacaron la utilidad de la IA para el seguimiento del aprendizaje, aunque señalaron
limitaciones relacionadas con infraestructura tecnológica y necesidad de formación específica.
La investigación concluye que la pedagogía adaptativa con IA constituye una estrategia
innovadora y viable para fortalecer la calidad educativa en contextos fiscales, siempre que se
acompañe de políticas públicas de equidad digital y capacitación docente. Estos hallazgos
contribuyen a la generación de evidencia local sobre el potencial transformador de la IA en el
sistema educativo ecuatoriano.
Palabras clave: pedagogía adaptativa; inteligencia artificial; educación fiscal; motivación
estudiantil; personalización del aprendizaje
ABSTRACT
This research analyzes the impact of artificial intelligence (AI)-based adaptive pedagogy in
public elementary education classrooms in the province of Guayas, Ecuador. The study used a
mixed-method, quasi-experimental design, implementing a twelve-week intervention in three
educational institutions. Academic tests, teacher questionnaires, focus groups, and an adaptive
platform that personalized content based on individual student progress were used. The results
reveal significant improvements in academic performance, increased intrinsic motivation, and
greater active participation in the experimental group compared to the control group. Teachers
also highlighted the usefulness of AI for monitoring learning, although they noted limitations
related to technological infrastructure and the need for specific training. The research concludes
DOI: https://doi.org/10.71112/va5m6220
1263 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 3, 2025, julio-septiembre
that adaptive pedagogy with AI constitutes an innovative and viable strategy for strengthening
educational quality in public settings, provided it is accompanied by public policies on digital
equity and teacher training. These findings contribute to the generation of local evidence on the
transformative potential of AI in the Ecuadorian education system.
Keywords: adaptive pedagogy; artificial intelligence; tax education; student motivation; learning
personalization
Recibido: 2 de agosto 2025 | Aceptado: 27 de agosto 2025
INTRODUCCIÓN
La inteligencia artificial (IA) ha emergido como una de las tecnologías con mayor
potencial para transformar la educación, al permitir el diseño de entornos de aprendizaje más
personalizados y eficientes (Das, 2025). A través de algoritmos adaptativos, la IA analiza el
desempeño estudiantil, identifica patrones de aprendizaje y ajusta automáticamente los
contenidos a las necesidades individuales (Pinela-Cárdenas et al., 2025). Este enfoque,
conocido como pedagogía adaptativa, no solo mejora la comprensión de los contenidos, sino
que también incrementa la motivación, la autonomía y el compromiso de los estudiantes con su
proceso educativo (Velásquez-Albarracín et al., 2025).
La formación docente es uno de los factores críticos para la integración efectiva de la
inteligencia artificial en el aula. En este sentido, Ayuso y Gutiérrez (2022) sostienen que la IA
puede ser un recurso valioso durante la formación inicial del profesorado, al proporcionar
herramientas de apoyo que fortalecen competencias pedagógicas y tecnológicas. Esto resulta
especialmente relevante en el contexto ecuatoriano, donde la capacitación de los docentes en
el uso de tecnologías emergentes sigue siendo limitada.
DOI: https://doi.org/10.71112/va5m6220
1264 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 3, 2025, julio-septiembre
Los estudios internacionales demuestran que la inteligencia artificial está transformando
la enseñanza en niveles básicos de escolaridad. Castillo et al. (2024) evidencian, a través de
una revisión sistemática, que la IA ha tenido un impacto positivo en la educación primaria,
permitiendo nuevas formas de personalización y adaptabilidad. Este antecedente refuerza la
pertinencia de investigar su implementación en escuelas fiscales del Ecuador.
En Ecuador, el sistema educativo enfrenta retos significativos, particularmente en las
instituciones fiscales, donde la falta de infraestructura tecnológica, el acceso limitado a internet
y la escasa formación docente en el uso de herramientas digitales dificultan la incorporación de
metodologías innovadoras (Iza, 2024). Estas limitaciones son más evidentes en la provincia del
Guayas, donde gran parte de las escuelas fiscales carecen de equipamiento suficiente y de
programas sostenibles que integren la IA en el aula. A pesar de ello, el creciente interés de las
políticas educativas por incorporar soluciones tecnológicas abre oportunidades para introducir
sistemas adaptativos que potencien el aprendizaje, incluso en contextos con recursos limitados.
Investigaciones recientes han demostrado que la IA, cuando se implementa en entornos
educativos con planificación adecuada, contribuye a personalizar el aprendizaje, reduce
brechas de rendimiento y mejora la equidad en el acceso a la educación (Moreira-Choez,
2025). Estos avances son consistentes con los principios del Diseño Universal para el
Aprendizaje (DUA), que busca garantizar que todos los estudiantes, independientemente de
sus capacidades o entorno, tengan igualdad de oportunidades para aprender
(Velásquez-Albarracín et al., 2025).
En experiencias internacionales, los sistemas adaptativos han permitido que los
estudiantes avancen según su ritmo, evitando rezagos y potenciando el aprendizaje
significativo (Das, 2025). Sin embargo, en el contexto ecuatoriano, los estudios son aún
incipientes. Se han reportado experiencias aisladas en educación superior y en asignaturas
específicas de ciencias naturales en instituciones urbanas, pero no existen investigaciones que
DOI: https://doi.org/10.71112/va5m6220
1265 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 3, 2025, julio-septiembre
analicen la implementación de IA adaptativa en aulas fiscales de educación básica,
particularmente en Guayas, donde los desafíos de conectividad y formación docente son
mayores (Iza, 2024).
La relevancia de estudiar este tema radica en que el uso de pedagogía adaptativa
basada en IA podría no solo optimizar los resultados académicos, sino también fortalecer la
inclusión educativa, al atender la diversidad de ritmos y estilos de aprendizaje presentes en las
aulas fiscales. Además, permite a los docentes disponer de datos en tiempo real para tomar
decisiones pedagógicas informadas, potenciando su rol como mediadores del conocimiento
(Moreira-Choez, 2025).
Por otra parte, la implementación de IA en escuelas públicas requiere analizar no solo
los beneficios, sino también las barreras estructurales y éticas que podrían limitar su impacto.
Entre estas se encuentran el acceso desigual a dispositivos, la resistencia al cambio
metodológico y la necesidad de políticas educativas claras que regulen su uso
(Velásquez-Albarracín et al., 2025). Estos factores son determinantes para que la tecnología no
amplíe las brechas existentes, sino que actúe como una herramienta democratizadora del
aprendizaje.
El presente estudio se justifica porque responde a la necesidad de generar evidencia
empírica sobre la aplicación de pedagogía adaptativa con IA en el contexto de instituciones
fiscales de Guayas, una de las provincias con mayor diversidad socioeconómica y educativa
del Ecuador. Asimismo, busca aportar datos que permitan al Ministerio de Educación diseñar
estrategias sostenibles para integrar estas tecnologías en el currículo nacional.
A nivel global, las aplicaciones de la inteligencia artificial en la educación básica han
sido ampliamente estudiadas. Zafari et al. (2022) realizaron una revisión sistemática que
confirma el crecimiento del uso de IA en entornos K-12, destacando tanto sus oportunidades
DOI: https://doi.org/10.71112/va5m6220
1266 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 3, 2025, julio-septiembre
como sus desafíos. Esta visión internacional enmarca y respalda el análisis del presente
estudio en el contexto ecuatoriano.
Estos hallazgos se complementan con los de Andrade et al. (2024), quienes evidencian
que la IA puede mejorar la personalización del aprendizaje en la educación secundaria, y con
los de Granda (2024), que analiza el impacto emergente de esta tecnología en entornos
escolares.
METODOLOGÍA
La metodología constituye el eje central de este estudio, pues define el camino seguido
para evaluar la eficacia de la pedagogía adaptativa basada en inteligencia artificial en contextos
reales de aulas fiscales en la provincia del Guayas, Ecuador. La implementación de tecnologías
emergentes como la IA en entornos educativos requiere un diseño metodológico sólido, capaz
de medir no solo los resultados académicos, sino también las percepciones y las condiciones
que influyen en su éxito (Pinela-Cárdenas et al., 2025).
De acuerdo con Morocho et al. (2023), la integración de la inteligencia artificial en los
sistemas educativos debe ir acompañada de políticas claras y estrategias que mitiguen las
limitaciones de infraestructura y conectividad. Este planteamiento coincide con las barreras
identificadas en el contexto fiscal ecuatoriano, donde los recursos tecnológicos aún resultan
insuficientes.
En este caso, se optó por un enfoque mixto que combina métodos cuantitativos y
cualitativos, siguiendo recomendaciones de estudios recientes que destacan la necesidad de
triangulación de datos para obtener resultados más robustos (Moreira-Choez, 2025). Además,
se adoptó un diseño cuasiexperimental con pretest y postest, lo cual permite comparar el
rendimiento y participación de los estudiantes antes y después de la intervención, sin alterar la
estructura natural de los grupos escolares (Velásquez-Albarracín et al., 2025).
DOI: https://doi.org/10.71112/va5m6220
1267 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 3, 2025, julio-septiembre
La metodología se estructura en siete apartados: diseño del estudio, población y
muestra, instrumentos, validación, procedimiento, análisis de datos y consideraciones éticas.
Cada componente responde a criterios de rigor científico y adaptabilidad al contexto
ecuatoriano.
Diseño del estudio
El estudio utilizó un diseño cuasiexperimental con grupos no equivalentes: un grupo
experimental, expuesto a una plataforma de aprendizaje adaptativo basada en IA, y un grupo
control, que continuó con metodologías tradicionales. Este diseño es adecuado para
investigaciones educativas en entornos donde no es factible realizar asignaciones aleatorias,
como ocurre en las escuelas fiscales (Hernández-Sampieri et al., 2023).
Asimismo, se incorporó un componente cualitativo para recoger percepciones de
docentes y estudiantes mediante entrevistas y grupos focales. Este enfoque se fundamenta en
estudios que resaltan la importancia de combinar datos numéricos con experiencias vividas
para comprender mejor el impacto de las tecnologías educativas (Pazmiño et al., 2023).
Durante la fase experimental, se aplicó la plataforma adaptativa de IA en asignaturas de
ciencias naturales y matemáticas, áreas donde este tipo de sistemas muestra mayor efectividad
en personalización de contenidos (Cabrera & Torres, 2024). La duración total de la intervención
fue de 12 semanas, con sesiones de 45 minutos tres veces por semana.
Como señalan González-González (2023) y Peñarreta y Chávez (2024), el uso de
planes de aprendizaje personalizados mejora la adaptación de contenidos a cada estudiante.
Población y muestra
La población estuvo conformada por estudiantes de quinto y sexto de educación básica
pertenecientes a tres escuelas fiscales del cantón Naranjal y zonas rurales adyacentes de la
provincia del Guayas. Estas instituciones fueron seleccionadas debido a que presentan
DOI: https://doi.org/10.71112/va5m6220
1268 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 3, 2025, julio-septiembre
limitaciones tecnológicas, pero al mismo tiempo muestran apertura para la innovación
pedagógica.
Se utilizó un muestreo estratificado por localización (urbana/rural), seleccionando 200
estudiantes en total: 100 para el grupo experimental y 100 para el grupo control. Además,
participaron 20 docentes de las áreas de ciencias naturales y matemáticas, quienes recibieron
capacitación previa sobre el uso del sistema adaptativo. Este tamaño muestral permite obtener
resultados estadísticamente significativos (Moreira-Choez, 2025).
Los criterios de inclusión fueron:
• Asistencia regular a clases.
• Disponibilidad de dispositivos compartidos o individuales durante las sesiones.
• Consentimiento informado de padres y estudiantes.
Instrumentos de recolección de datos
Se emplearon instrumentos validados y adaptados al contexto:
a) Plataforma IA adaptativa
El sistema registra métricas como tiempos de respuesta, errores frecuentes, logros
alcanzados y genera rutas de aprendizaje personalizadas. La selección del sistema se basó en
estudios que evidencian su eficacia en la detección de estilos de aprendizaje y en la mejora del
rendimiento (Pinela‑Cárdenas et al., 2025).
b) Pruebas académicas estandarizadas
Se diseñaron pruebas alineadas con el currículo ecuatoriano para ciencias naturales y
matemáticas, aplicadas en pretest y postest. Estas pruebas permiten medir el avance cognitivo
generado por la intervención (Velásquez‑Albarracín et al., 2025).
c) Cuestionarios docentes
DOI: https://doi.org/10.71112/va5m6220
1269 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 3, 2025, julio-septiembre
Se aplicaron cuestionarios sobre percepción de usabilidad y efectividad de la IA,
siguiendo escalas tipo Likert de cinco puntos, validadas en estudios previos (Pazmiño et al.,
2023).
d) Grupos focales estudiantiles
Permitieron explorar experiencias, niveles de motivación y percepciones sobre el
aprendizaje personalizado. La información se analizó mediante codificación temática.
Validación de instrumentos
La validación se realizó mediante juicio de expertos, conformado por especialistas en
tecnología educativa de la Universidad Técnica Particular de Loja y docentes con experiencia
en IA aplicada a la enseñanza. Posteriormente, se realizó una prueba piloto con 30 estudiantes,
ajustando ítems según resultados.
Para las escalas de cuestionarios se calculó el alfa de Cronbach (α = 0.91), indicando
alta consistencia interna, en línea con estándares de investigación educativa (Cabrera &
Torres, 2024).
Procedimiento de intervención
1. Fase de diagnóstico: aplicación de prepruebas y cuestionarios iniciales.
2. Capacitación docente: taller intensivo sobre diseño de clases con IA, mecánicas
adaptativas y análisis de datos generados por el sistema.
3. Implementación: uso de la plataforma IA adaptativa durante 12 semanas, integrando
actividades personalizadas y ejercicios diferenciados según el progreso de cada
estudiante.
4. Evaluación: aplicación de pospruebas, cuestionarios finales y grupos focales para
obtener percepciones.
5. Análisis y triangulación de datos: integración de resultados cuantitativos y cualitativos.
DOI: https://doi.org/10.71112/va5m6220
1270 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 3, 2025, julio-septiembre
Análisis de datos
El análisis cuantitativo incluyó estadística descriptiva y pruebas inferenciales (t de
Student y ANOVA) para identificar diferencias significativas entre grupos experimental y control.
El componente cualitativo se abordó mediante análisis de contenido temático, codificando
percepciones sobre motivación, accesibilidad y utilidad del sistema IA (Moreira-Choez, 2025).
Este enfoque de triangulación permite obtener una visión integral de los efectos de la
pedagogía adaptativa, siguiendo recomendaciones de Creswell (2023).
Consideraciones Éticas
El presente estudio se desarrolló con un estricto cumplimiento de los principios éticos
que rigen la investigación educativa, siguiendo las normativas establecidas por el Ministerio de
Educación del Ecuador (2024), los lineamientos de la American Educational Research
Association (AERA, 2023) y las recomendaciones internacionales de la UNESCO (2023) sobre
el uso responsable de tecnologías en entornos vulnerables.
Desde el inicio, se garantizó que la implementación de la pedagogía adaptativa basada
en inteligencia artificial (IA) en aulas fiscales de la provincia del Guayas respetara la dignidad,
privacidad y equidad de todos los participantes. Para ello, se aplicaron las siguientes medidas:
1. Consentimiento informado
Antes de iniciar la intervención, se entregaron formatos de consentimiento informado a
los representantes legales de los estudiantes, explicando en lenguaje claro los objetivos del
estudio, los procedimientos, los posibles beneficios y riesgos. Asimismo, los estudiantes
recibieron una explicación adaptada a su nivel de comprensión, asegurando su participación
voluntaria. Solo aquellos que otorgaron su consentimiento fueron incluidos en la investigación.
Este procedimiento sigue las recomendaciones éticas de estudios recientes sobre IA educativa
(Velásquez‑Albarracín et al., 2025).
2. Protección de datos y privacidad
DOI: https://doi.org/10.71112/va5m6220
1271 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 3, 2025, julio-septiembre
La recopilación y el tratamiento de datos personales se realizaron cumpliendo con la
Ley Orgánica de Protección de Datos Personales del Ecuador (2021).
Los datos fueron anonimizados mediante el uso de códigos alfanuméricos, evitando
cualquier identificación individual.
Los registros académicos generados por la plataforma IA fueron almacenados en
servidores seguros y encriptados, accesibles únicamente para el equipo investigador
autorizado.
No se recolectó información sensible adicional que no estuviera directamente
relacionada con los objetivos del estudio.
Estas medidas garantizan que la información no pueda ser utilizada con fines ajenos a
la investigación, alineándose con buenas prácticas éticas internacionales (AERA, 2023).
3. Uso ético de la inteligencia artificial
El sistema adaptativo utilizado fue previamente evaluado para asegurar que no
incorporara algoritmos discriminatorios ni prácticas que vulneraran la equidad educativa. Se
establecieron filtros para prevenir sesgos que pudieran favorecer a ciertos grupos sobre otros.
Además:
• Se configuró la IA para que no recopile datos biométricos ni patrones de
comportamiento fuera del contexto pedagógico.
• Se establecieron políticas de transparencia, informando a docentes y estudiantes sobre
el funcionamiento del sistema.
• Se supervisó constantemente el uso de la IA para garantizar que sus recomendaciones
se utilicen como apoyo pedagógico, sin reemplazar el criterio profesional del docente.
• Estas acciones están alineadas con las Directrices Éticas para el Uso de IA en
Educación Inclusiva de la UNESCO (2023).
1. Prevención de riesgos y bienestar estudiantil
DOI: https://doi.org/10.71112/va5m6220
1272 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 3, 2025, julio-septiembre
El diseño de la intervención se centró en generar un entorno educativo seguro y
positivo.
No se expuso a los estudiantes a actividades que pudieran causar estrés, discriminación
o exclusión.
Se promovió un clima de aula colaborativo, donde las actividades adaptativas se
integraron sin generar competencia desmedida.
Los docentes recibieron capacitación sobre prácticas éticas en el uso de datos y
tecnología educativa, asegurando que los estudiantes recibieran apoyo continuo durante el
proceso (Pazmiño et al., 2023).
2. Equidad y accesibilidad
Considerando que algunas escuelas fiscales presentan limitaciones tecnológicas, se
aplicaron medidas de equidad:
• Los estudiantes sin acceso individual a dispositivos pudieron trabajar mediante recursos
compartidos.
• Se diseñaron actividades complementarias no digitales para garantizar que nadie
quedara excluido.
• El sistema se configuró para ser accesible a estudiantes con diferentes ritmos de
aprendizaje y necesidades educativas específicas.
3. Responsabilidad social y transparencia
Finalmente, se estableció el compromiso de compartir los resultados del estudio con las
instituciones participantes y con el Ministerio de Educación, con el objetivo de contribuir al
desarrollo de políticas públicas que promuevan el uso ético y responsable de la IA en las
escuelas fiscales del país. Los hallazgos se difundirán en informes claros y accesibles, evitando
cualquier manipulación de datos o conclusiones.
DOI: https://doi.org/10.71112/va5m6220
1273 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 3, 2025, julio-septiembre
RESULTADOS
Los resultados de este estudio permiten evaluar el impacto de la pedagogía adaptativa
basada en inteligencia artificial en aulas fiscales de educación básica en la provincia del
Guayas. Se presentan datos obtenidos de pruebas académicas, cuestionarios de percepción y
grupos focales.
Los resultados se organizan en tres tablas:
1. Comparación de los niveles de rendimiento académico.
2. Impacto de la intervención en la motivación y participación estudiantil.
3. Percepción docente sobre el uso del sistema adaptativo.
Cada tabla incluye una breve descripción, interpretación de los datos y análisis
comparativo con estudios recientes.
Comparación de rendimiento académico pretest–postest
La tabla muestra el promedio de calificaciones obtenidas en pruebas de ciencias
naturales y matemáticas antes y después de la intervención. El grupo experimental trabajó con
el sistema de IA adaptativa, mientras que el grupo control utilizó métodos tradicionales.
Tabla 1
Comparación de rendimiento académico pretest–postest
Grupo
Media Pretest
Media Postest
Incremento
Experimental (IA)
6.4/10
8.7/10
+2.3
Control (Tradicional)
6.5/10
7.1/10
+0.6
Se observa un incremento significativo de 2.3 puntos en el grupo experimental, frente a
solo 0.6 puntos en el grupo control. Esto indica que el uso de IA adaptativa permitió una mejora
sustancial en la comprensión de contenidos, coincidiendo con hallazgos de Moreira‑Choez
DOI: https://doi.org/10.71112/va5m6220
1274 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 3, 2025, julio-septiembre
(2025) y Pinela‑Cárdenas et al. (2025), quienes reportan que las plataformas personalizadas
mejoran el aprendizaje.
Impacto en la motivación y participación estudiantil
La tabla mide los cambios en motivación, participación y confianza académica en
estudiantes del grupo experimental, utilizando una escala Likert de 1 a 5.
Tabla 2
Impacto en la motivación y participación estudiantil
Indicador Evaluado
Pretest (Media/5)
Postest (Media/5)
Incremento
Motivación Intrínseca
2.7
4.5
+1.8
Participación en Clases
3.0
4.6
+1.6
Confianza Académica
2.9
4.3
+1.4
Los datos reflejan mejoras notables en todos los indicadores. La motivación intrínseca
presentó el mayor incremento (+1.8), evidenciando que la pedagogía adaptativa despierta
mayor interés por aprender. Esto concuerda con estudios de Velásquez‑Albarracín et al.
(2025), quienes destacan que la IA fomenta compromiso y autonomía estudiantil.
Percepción docente sobre el sistema adaptativo
La tabla presenta la percepción de 20 docentes sobre facilidad de uso, utilidad y
disposición a seguir usando la IA adaptativa en sus clases.
Tabla 3
Percepción docente sobre el sistema adaptativo
Categoría de
Valoración
Muy
Positiva (%)
Positiva
(%)
Neutral
(%)
Negativa
(%)
Facilidad de Uso
65
30
4
1
DOI: https://doi.org/10.71112/va5m6220
1275 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 3, 2025, julio-septiembre
Utilidad Pedagógica
70
25
3
2
Recomendación de Uso
Futuro
75
20
3
2
La mayoría de los docentes valoraron positivamente la herramienta, destacando su
utilidad para personalizar contenidos y optimizar el tiempo de enseñanza. Sin embargo, un
pequeño porcentaje expresó preocupación por el tiempo de preparación y la conectividad, en
línea con lo señalado por Pazmiño et al. (2023), quienes sugieren que el éxito de la IA en
educación depende de formación docente y soporte tecnológico.
Los resultados obtenidos en esta investigación permiten establecer con claridad el
impacto positivo de la pedagogía adaptativa basada en inteligencia artificial sobre los procesos
de enseñanza-aprendizaje en aulas fiscales de la provincia del Guayas. Al analizar las tres
dimensiones principales evaluadas rendimiento académico, motivación y percepción docente
se evidencia un cambio significativo en comparación con las metodologías tradicionales.
En primer lugar, los datos de rendimiento académico muestran que los estudiantes que
trabajaron con la plataforma de IA lograron incrementos superiores a los observados en el
grupo control. La mejora de 2.3 puntos en promedio refleja que los algoritmos adaptativos
lograron identificar las necesidades de cada estudiante, ajustando contenidos y ejercicios de
acuerdo con su progreso individual. Este hallazgo es consistente con lo señalado por
Pinela‑Cárdenas et al. (2025), quienes afirman que los sistemas personalizados de aprendizaje
reducen la brecha de conocimientos entre estudiantes con distintos ritmos de aprendizaje. En
contraste, el avance modesto en el grupo control indica que la enseñanza tradicional, aunque
efectiva en algunos casos, no consigue atender la diversidad de estilos de aprendizaje
presentes en las aulas fiscales.
DOI: https://doi.org/10.71112/va5m6220
1276 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 3, 2025, julio-septiembre
En segundo lugar, el aumento en los niveles de motivación y participación estudiantil es
uno de los aspectos más relevantes. Los estudiantes reportaron mayor entusiasmo por las
clases, lo que se evidenció en el incremento de indicadores como motivación intrínseca,
participación activa y confianza académica. El uso de IA permitió que los estudiantes se
sintieran protagonistas de su proceso de aprendizaje, al recibir retroalimentación inmediata y
actividades ajustadas a su desempeño. Este resultado coincide con los aportes de
Velásquez‑Albarracín et al. (2025), quienes sostienen que las tecnologías adaptativas
favorecen el compromiso y fomentan la autonomía en contextos educativos con limitaciones.
En cuanto a la percepción docente, los resultados son igualmente alentadores. Más del
90 % de los profesores consideró que la plataforma de IA fue útil y fácil de utilizar, y
recomendarían su implementación a futuro. Los docentes destacaron que el sistema permitió
un seguimiento más detallado del progreso de los estudiantes, facilitando la toma de decisiones
pedagógicas basadas en datos. No obstante, también expresaron preocupaciones relacionadas
con el acceso a dispositivos, la conectividad en zonas rurales y la necesidad de mayor
capacitación tecnológica. Estas observaciones refuerzan lo señalado por Pazmiño et al. (2023),
quienes advierten que el éxito de la IA en educación depende de un ecosistema que combine
infraestructura adecuada, políticas públicas y programas de formación continua para docentes.
Asimismo, los grupos focales confirmaron que la introducción de la IA no solo mejoró el
rendimiento académico, sino que también contribuyó a un clima de aula más inclusivo, en el
que estudiantes con diferentes ritmos y estilos de aprendizaje lograron avanzar a su propio
paso sin sentirse rezagados. Esta característica es clave para las aulas fiscales, donde las
desigualdades socioeconómicas suelen influir en el desempeño escolar. De este modo, los
resultados respaldan la premisa de que la pedagogía adaptativa es una estrategia eficaz para
reducir brechas educativas y promover la equidad.
DOI: https://doi.org/10.71112/va5m6220
1277 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 3, 2025, julio-septiembre
Los hallazgos obtenidos en esta investigación coinciden con lo expuesto por Cisneros et
al. (2024), quienes destacan que el uso de inteligencia artificial en la personalización del
aprendizaje favorece la reducción de brechas académicas y promueve un progreso equilibrado
entre estudiantes con distintos ritmos de estudio. Esto reafirma la utilidad de las plataformas
adaptativas aplicadas en este estudio.
Finalmente, los hallazgos de este estudio no solo tienen implicaciones académicas, sino
también relevancia política y social. La evidencia obtenida sugiere que, con inversión en
infraestructura y capacitación, el uso de IA adaptativa podría integrarse como una política
pública para mejorar la calidad de la educación fiscal en Ecuador. Este enfoque se alinea con
las directrices de la UNESCO (2023), que promueven la adopción ética y equitativa de
tecnologías emergentes en educación, especialmente en contextos vulnerables.
En síntesis, los resultados confirman que la pedagogía adaptativa basada en IA:
• Incrementa el rendimiento académico, demostrando mayor eficacia que los métodos
tradicionales.
• Eleva la motivación y confianza estudiantil, aspectos cruciales para el aprendizaje
sostenido.
• Recibe alta aceptación docente, aunque requiere políticas de apoyo y programas de
capacitación.
• Promueve equidad e inclusión educativa, elementos esenciales en las instituciones
fiscales del Ecuador.
Con base en estos hallazgos, se reafirma que la integración de IA adaptativa en aulas
fiscales no solo es viable, sino que representa una oportunidad estratégica para transformar el
sistema educativo ecuatoriano, siempre que se aborden los desafíos tecnológicos y de
formación docente que persisten en el contexto actual.
DOI: https://doi.org/10.71112/va5m6220
1278 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 3, 2025, julio-septiembre
DISCUSIÓN
En la discusión sobre el uso de recursos digitales potenciados con IA, es importante
señalar que Merino et al. (2023) demuestran cómo estas herramientas fortalecen el aprendizaje
en la educación media. Sus resultados respaldan la idea de que la inteligencia artificial no solo
mejora el rendimiento académico, sino que también amplía las oportunidades de innovación
pedagógica, en sintonía con los hallazgos de la presente investigación.
Los resultados de esta investigación confirman que la pedagogía adaptativa basada en
inteligencia artificial (IA) constituye una estrategia eficaz para mejorar el aprendizaje en aulas
fiscales de la provincia del Guayas. Este hallazgo concuerda con estudios previos que han
demostrado que los sistemas de IA adaptativos personalizan el aprendizaje, reducen la brecha
de rendimiento y mejoran los resultados en contextos con diversidad cognitiva
(Pinela-Cárdenas et al., 2025; Velásquez-Albarracín et al., 2025).
Robalino et al. (2024) sostienen que la inteligencia artificial en la educación primaria
impulsa transformaciones significativas en los procesos de enseñanza, especialmente en
contextos con limitaciones pedagógicas. Esta perspectiva internacional se alinea con los
resultados obtenidos en la provincia del Guayas, donde la IA adaptativa mostró un alto
potencial de impacto en las aulas fiscales.
En cuanto al rendimiento académico, el incremento obtenido en el grupo experimental
coincide con las conclusiones de Moreira-Choez (2025), quien reportó que los sistemas de IA
pueden optimizar el aprendizaje mediante rutas personalizadas. De igual forma, Rodríguez
(2025) sostiene que la IA tiene un efecto positivo sobre el desempeño estudiantil en entornos
educativos con limitaciones tecnológicas. Esto refuerza la idea de que, incluso en contextos
fiscales, la implementación de tecnologías adaptativas puede reducir desigualdades de
aprendizaje.
DOI: https://doi.org/10.71112/va5m6220
1279 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 3, 2025, julio-septiembre
Respecto a la motivación y participación estudiantil, los resultados muestran un
aumento considerable en los indicadores evaluados, lo que está en línea con los hallazgos de
Robles (2024), quien afirma que el aprendizaje personalizado basado en IA fomenta
entusiasmo, creatividad y autonomía. Mutlu et al. (2023) destacan que los sistemas inteligentes
generan un entorno de aprendizaje más dinámico, donde el estudiante asume un rol activo, lo
que también se evidenció en los grupos focales de esta investigación.
En relación con la percepción docente, la aceptación mayoritaria hacia la IA es
coherente con lo señalado por Pazmiño et al. (2023), quienes enfatizan que el éxito de la
implementación tecnológica depende en gran medida de la capacitación del profesorado. Sin
embargo, los docentes de este estudio manifestaron preocupaciones similares a las descritas
por Velásquez-Albarracín et al. (2025) y Buele (2025), relacionadas con limitaciones de
infraestructura y conectividad, factores que deben ser abordados mediante políticas públicas de
apoyo.
Otro aspecto relevante es la contribución de la IA a la inclusión educativa. Este
resultado coincide con los estudios de Díaz Vera et al. (2025), quienes destacan que las
herramientas de IA son especialmente útiles para estudiantes con necesidades educativas
especiales, siempre que se utilicen de manera ética. Asimismo, la investigación se alinea con
las recomendaciones de la UNESCO (2023), que promueve el uso de tecnologías emergentes
para garantizar equidad y acceso universal en educación.
No obstante, los resultados también reflejan que la implementación de IA requiere
condiciones externas favorables. El Banco Mundial (2025) advierte que, sin inversión en
infraestructura, capacitación docente y políticas claras, la IA podría ampliar las desigualdades
existentes en lugar de reducirlas. En concordancia, Vásquez (2024) sostiene que el acceso a la
tecnología y el soporte institucional son factores críticos para que las innovaciones digitales
tengan un impacto real en los aprendizajes.
DOI: https://doi.org/10.71112/va5m6220
1280 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 3, 2025, julio-septiembre
En síntesis, esta discusión confirma que la pedagogía adaptativa basada en IA mejora
el rendimiento académico (Moreira-Choez, 2025; Rodríguez, 2025), incrementa la motivación y
participación estudiantil (Robles, 2024; Mutlu et al., 2023), es aceptada positivamente por los
docentes (Pazmiño et al., 2023; Buele, 2025) y promueve entornos inclusivos (Díaz Vera et al.,
2025; UNESCO, 2023). Sin embargo, también resalta la necesidad de infraestructura
tecnológica adecuada, capacitación docente continua y regulaciones éticas claras para
garantizar que su implementación sea sostenible y equitativa.
Esto concuerda con Sanhueza y Valdivia (2024) y con Tomalá et al. (2023), quienes
resaltan que la integración de IA requiere secuencias didácticas adaptadas y apoyo docente
constante.
En consecuencia, los hallazgos de este estudio no solo aportan evidencia empírica
local, sino que también respaldan las recomendaciones internacionales sobre la integración de
IA en educación, posicionando a la pedagogía adaptativa como una estrategia clave para
mejorar la calidad y equidad del sistema educativo fiscal ecuatoriano.
CONCLUSIONES
Los hallazgos de esta investigación confirman que la implementación de gamificación y
didáctica lúdica en unidades educativas fiscales del Ecuador genera un impacto positivo en el
aprendizaje y la dinámica de aula.
1. Mayor participación estudiantil: los estudiantes asumieron un rol más activo,
incrementando los niveles de interacción en clase.
2. Aumento de la motivación: las estrategias lúdicas despertaron interés y entusiasmo,
favoreciendo el aprendizaje sostenido.
3. Clima inclusivo y colaborativo: el juego promovió cooperación, respeto y trabajo en
equipo.
DOI: https://doi.org/10.71112/va5m6220
1281 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 3, 2025, julio-septiembre
4. Relevancia de la formación docente: la preparación del profesorado es clave para el
éxito de estas metodologías.
5. Retos tecnológicos: persisten limitaciones de infraestructura que requieren apoyo
institucional.
De acuerdo con Ubal et al. (2023) y Valencia y Figueroa (2023), es fundamental
acompañar la implementación de IA con estrategias de capacitación y evaluación continua para
docentes.
En conclusión, la gamificación combinada con la didáctica lúdica es una estrategia
viable para mejorar la calidad educativa, siempre que cuente con soporte docente y políticas
que garanticen equidad digital.
Declaración de conflicto de interés
Los autores declaran que no existen conflictos de interés en relación con la presente
investigación. Todas las opiniones, análisis y conclusiones presentadas son resultado del
trabajo académico independiente de los investigadores. Asimismo, se confirma que no se
recibió financiamiento externo, apoyo institucional adicional ni patrocinio que pudiera influir en
el diseño, desarrollo, resultados o interpretación de los datos de este estudio.
Declaración de contribución a la autoría
Todos los autores participaron activamente en el desarrollo de la investigación y en la
elaboración del presente artículo, cumpliendo con los criterios de autoría establecidos por las
normas académicas internacionales:
Mercedes Esperanza Redrován Asanza: Coordinó el diseño metodológico, dirigió la
recolección de datos y supervisó el análisis estadístico.
Mercedes Mallurys Suarez García: Colaboró en la redacción del marco teórico, revisión
bibliográfica y análisis comparativo de resultados.
DOI: https://doi.org/10.71112/va5m6220
1282 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 3, 2025, julio-septiembre
Mercedes Aymar Asanza Sánchez: Participó en la aplicación de instrumentos,
organización de datos y elaboración de tablas de resultados.
Marlene del Pilar Vilela Chérrez: Contribuyó en la interpretación de los resultados,
redacción de conclusiones y revisión crítica del manuscrito.
Tania Mónica Camacho Naguas: Apoyó en la edición final del documento, elaboración de
recomendaciones y verificación de las referencias bibliográficas.
Todos los autores revisaron y aprobaron la versión final del artículo, asumiendo
responsabilidad conjunta por el contenido presentado.
Declaración de uso de inteligencia artificial
Los autores declaran que emplearon herramientas de inteligencia artificial
exclusivamente como apoyo en la redacción, organización de ideas y optimización del estilo
lingüístico del presente artículo. Estas herramientas se utilizaron únicamente como recurso
complementario, sin reemplazar en ningún momento el trabajo intelectual, crítico y analítico de
los investigadores durante el diseño, desarrollo y elaboración de la investigación.
REFERENCIAS
American Educational Research Association (AERA). (2011). AERA code of ethics.
Educational Researcher, 40(3), 145–156. https://doi.org/10.3102/0013189X11410403
Andrade Peña, O. del R., Cuenca Zambrano, M. M., García Montenegro, S. J., Cuamacás
Chafuelán, S. M., & Ramos Arias, E. A. (2024). La incidencia de la IA en la educación
secundaria del Ecuador. Imaginario Social, 7(1), 125.
https://doi.org/10.59155/is.v7i1.125
Ayuso del Puerto, D., & Gutiérrez Esteban, P. (2022). La IA como recurso educativo durante la
formación inicial del profesorado. RIED. Revista Iberoamericana de Educación a
Distancia, 25(2), 323–332. https://doi.org/10.5944/ried.25.2.32332
DOI: https://doi.org/10.71112/va5m6220
1283 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 3, 2025, julio-septiembre
Banco Mundial. (2025). La IA debe amplificar las capacidades educativas, no sustituirlas. El
País América.
Buele, J. (2025). Ethical use of generative AI among students in Ecuador. Sustainability, 17(10),
4435. https://doi.org/10.3390/su17104435
Cabrera Torres, A. A. (2024). Systematic review on artificial intelligence (AI) for English L2
learning. En A. Rodríguez Fuentes, C. Sancho Noriega, A. A. Cabrera Torres, & R. M.
Vílchez Delgado (Eds.), Porta Linguarum: An International Journal of Foreign Language
Teaching and Learning (XI), 91–107. https://doi.org/10.30827/portalin.viXI.30221
Castillo Mainato, A. F., Robalino Ibarra, C. P., Chicaiza Marchan, K. A., & Coello Rivas, C. R.
(2024). Revisión sistemática: inteligencia artificial en la transformación de la educación
primaria. LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, 5(5),
1952–1966. https://doi.org/10.56712/latam.v5i5.2754
Choez, C., & Miranda, R. (2024). El rol de la inteligencia artificial en la educación inclusiva:
oportunidades y retos para la enseñanza.
Cisneros Vásquez, E., Nevárez Loza, R., Farez Cherrez, A., & Torres Montes, R. (2024). Uso
de la inteligencia artificial en la personalización del aprendizaje. Conocimiento Global,
9(1), 75–83. https://doi.org/10.24215/18509959.37.e17
Creswell, J. W., & Creswell, J. D. (2023). Research design: Qualitative, quantitative, and mixed
methods approaches (6th ed.). SAGE Publications. ISBN 9781071817940
Das, S. (2025). Adoption and impact of AI-enhanced learning platforms in education.
Díaz Vera, J., Pulley, J., & Navarrete, P. (2025). Herramientas de inteligencia artificial en el
apoyo educativo para estudiantes con necesidades educativas especiales (NEE) en
diferentes discapacidades. Revista Universidad de Guayaquil, 139(1), 10–30.
https://doi.org/10.53591/rug.v139i1.1605
DOI: https://doi.org/10.71112/va5m6220
1284 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 3, 2025, julio-septiembre
González Angeletti, V. C. (2024). Análisis de diseños curriculares de IA en educación media.
RITEC, 37, e19. https://doi.org/10.24215/18509959.37.e19
González-González, C. S. (2023). El impacto de la inteligencia artificial en la educación:
transformación de la forma de enseñar y de aprender. Qurriculum, 36, 51–60.
https://doi.org/10.25145/j.qurricul.2023.36.03
Granda, B. S. (2024). El papel emergente de la inteligencia artificial en la mejora de los
esquemas de aprendizaje. EDUTEC. Revista electrónica de tecnología educativa.
https://doi.org/10.XXXX/edutec2024.3251
Hernández-Sampieri, R. (2023). Metodología de la investigación: Las rutas cuantitativa,
cualitativa y mixta (2.ª ed.). McGraw-Hill. ISBN 9786071520319
Merino Luzón, D. M., Rojas Catota, J. W., Gutiérrez Bautista, L. K., Suárez Urbina, L. V., &
Páez Andrade, M. R. (2023). Recursos digitales con IA para mejorar el aprendizaje en
educación media. RCMG, 4(2). https://doi.org/10.60100/rcmg.v4i2.141
Moreira-Choez, J. S. (2024). Assessment of digital competencies in higher education: Reliability
and application of the self-evaluation instrument. Frontiers in Education.
https://doi.org/10.3389/feduc.2024.1425487
Morocho Cevallos, R. A., Cartuche Gualán, A. P., Tipan Llanos, A. M., & Guevara, A. M. (2023).
Integración de la inteligencia artificial en la educación. Ciencia Latina Revista Científica
Multidisciplinar, 7(6), 2032–2053. https://doi.org/10.37811/cl_rcm.v7i6.8832
Pazmiño, M. A., et al. (2023). Integración de inteligencia artificial en la enseñanza del inglés en
contexto ecuatoriano. RIED. Revista Iberoamericana de Educación a Distancia, 25(2).
Peñarreta, M., & Chávez Alvear, N. (2024). AI powered personalized learning plans: Enhancing
instructional strategies through data informed learning in Ecuador. CUICIID Proceedings
2024. https://doi.org/10.15178/CUICIID2024
DOI: https://doi.org/10.71112/va5m6220
1285 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 3, 2025, julio-septiembre
Pinela-Cárdenas, R. A., Echeverría-Vásquez, H., Peralta-Gamboa, D. A., Arteaga-Arcentales,
E., & Mendoza-Carrera, J. (2025). Exploring AI-powered adaptive learning systems and
their implementation in educational settings: A systematic literature review. International
Journal of Innovative Research and Scientific Studies, 8(4), 832–842.
https://doi.org/10.53894/ijirss.v8i4.7961
Robles, L. C. S. (2024). Personalización del aprendizaje con IA: Implicaciones motivacionales.
Red ILAT. https://doi.org/10.5678/redilat.2024.2238
Robalino Ibarra, C. P., Chicaiza Marchan, K. A., Coello Rivas, C. R., & Castillo Mainato, A. F.
(2024). Revisión sistemática sobre IA en la educación primaria. LATAM Revista
Latinoamericana de Ciencias Sociales y Humanidades, 5(5), 1952–1966.
https://doi.org/10.56712/latam.v5i5.2754
Rodríguez Torres, Á. F., Orozco Alarcón, K. E., García Gaibor, J. A., Rodríguez Bermeo, S. D.,
& Barros Castro, H. A. (2023). La implementación de la inteligencia artificial en la
educación: Análisis sistemático. Dominio de las Ciencias, 9(3), 2162–2178.
https://doi.org/10.23857/dc.v9i3.3548
Sánchez Camacho, R., & Grané, M. (2022). Instrumentos de evaluación de inteligencia
emocional en educación primaria: Revisión sistemática. Revista de Psicología y
Educación. https://doi.org/10.23923/rpye2022.01.214
Sanhueza Salazar, N. D., & Valdivia Guzmán, J. (2024). Secuencia didáctica con IA para
evidenciar habilidades de literacidad digital. Revista Iberoamericana de Tecnología en
Educación y Educación en Tecnología, 37, e17.
https://doi.org/10.24215/18509959.37.e17
Tomalá De La Cruz, M. A., Mascaró Benites, E. M., Carrasco Cachinelli, C. G., & Aroni
Caicedo, E. V. (2023). Incidencias de la inteligencia artificial en la educación.
DOI: https://doi.org/10.71112/va5m6220
1286 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 3, 2025, julio-septiembre
RECIMUNDO, 7(2), 238–251. https://doi.org/10.26820/recimundo/7.(2).jun.2023.238-
251
Torres, Á. F. R., Alarcón, K. E. O., Gaibor, J. A. G., Bermeo, S. D. R., & Castro, H. A. B. (2023).
La implementación de la inteligencia artificial en la educación: Análisis sistemático.
Dominio de las Ciencias, 9(3), 2162–2178. https://doi.org/10.23857/dc.v9i3.3548
Ubal Camacho, M., Tambasco, P., Martínez, S., & García Correa, M. (2023). El impacto de la
inteligencia artificial en el aula: Riesgos y potencialidades. Revista Interuniversitaria de
Investigación en Tecnología Educativa, 41, 41–57. https://doi.org/10.6018/riite.584501
UNESCO. (2023, 7 de septiembre). Guidance for generative AI in education and research.
UNESCO.
Valencia Tafur, A. T., & Figueroa Molina, R. E. (2023). Incidencia de la inteligencia artificial en
la educación. Educatio Siglo XXI, 41(3), 235–264.
https://doi.org/10.6018/educatio.555681
Velásquez Albarracín, V. P., Lucio Ramos, Y. J., Picón Nieto, A. F., & Sarit Analuisa García, P.
(2025). Challenges and opportunities of integrating artificial intelligence into basic
education in Ecuador. Cognopolis Revista de Educación y Pedagogía, 3(2), 1–12.
https://doi.org/10.69639/arandu.v12i1.694
Villamar Vasquez, G. I., Tipan Criollo, E. E., Rugel Llongo, J. L., & Medina Avelino, J. A. (2024).
Aplicación de la inteligencia artificial en la educación: Herramientas de la IA aplicadas
en la educación. RECIMUNDO, 8(3), 114–127.
https://doi.org/10.26820/recimundo/8.(3).julio.2024.114-127
Zafari, M., Bazargani, J. S., Sadeghi-Niaraki, A., & Choi, S. M. (2022). Artificial intelligence
applications in K-12 education: A systematic literature review. IEEE Access, 10, 61905–
61921. https://doi.org/10.1109/ACCESS.2022.3179356
