Revista Multidisciplinar Epistemología de las Ciencias
Volumen 2, Número 4, 2025, octubre-diciembre
DOI: https://doi.org/10.71112/k2gp8n40
IMPACTO DEL USO DE LA INTELIGENCIA ARTIFICIAL EN LA PERSONALIZACIÓN
DEL APRENDIZAJE EN ESTUDIANTES DE BACHILLERATO FISCAL
ECUATORIANO
IMPACT OF ARTIFICIAL INTELLIGENCE USE ON THE PERSONALIZATION OF
LEARNING IN ECUADORIAN PUBLIC HIGH SCHOOL STUDENTS
Maura Angélica Anchundia Castro
Elvin John Loaiza Porras
Kilber Wladimir Honores Galarza
Narcisa Etelvina Alonzo Calderón
Olga Aidee Vélez Infante
Ecuador
DOI: https://doi.org/10.71112/k2gp8n40
1079 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 4, 2025, octubre-diciembre
Impacto del uso de la Inteligencia Artificial en la personalización del aprendizaje
en estudiantes de bachillerato fiscal ecuatoriano
Impact of Artificial Intelligence use on the personalization of learning in
ecuadorian public high school students
Maura Angélica Anchundia Castro
maura.anchundia@educacion.gob.ec
https://orcid.org/0009-0003-4186-5449
Unidad Educativa Remigio Geo Gómez
Guerrero
Ecuador
Elvin John Loaiza Porras
elvin.loaiza@educacion.gob.ec
https://orcid.org/0009-0006-4198-5258
Unidad Educativa Remigio Geo Gómez
Guerrero
Ecuador
Kilber Wladimir Honores Galarza
Kilber.honores@educacion.gob.ec
https://orcid.org/0009-0004-1836-8652
Unidad Educativa Remigio Geo Gómez
Guerrero
Ecuador
Narcisa Etelvina Alonzo Calderón
narcisa.alonzo@educacion.gob.ec
https://orcid.org/0009-0000-9580-5765
Unidad Educativa Remigio Geo Gómez
Guerrero
Ecuador
Olga Aidee Vélez Infante
olga.velez@educacion.gob.ec
https://orcid.org/0009-0005-1075-1195
Unidad Educativa Remigio Geo Gómez
Guerrero
Ecuador
DOI: https://doi.org/10.71112/k2gp8n40
1080 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 4, 2025, octubre-diciembre
RESUMEN
El presente estudio analiza el impacto del uso de la Inteligencia Artificial (IA) en la
personalización del aprendizaje de los estudiantes de bachillerato fiscal ecuatoriano. A través
de un enfoque cuantitativo y descriptivo, se aplicó un cuestionario estructurado a una muestra
de estudiantes de segundo y tercer año, con el fin de identificar la relación entre el uso
pedagógico de la IA, la motivación y el desempeño académico. Los resultados evidencian que
las herramientas basadas en IA permiten ajustar los contenidos, la retroalimentación y el ritmo
de enseñanza a las características individuales, generando entornos de aprendizaje más
inclusivos y adaptativos. Asimismo, se observa una correlación positiva y significativa entre la
frecuencia de uso de la IA y la percepción de autonomía, motivación y rendimiento. Se
concluye que la integración ética y pedagógica de la IA constituye un recurso innovador para
mejorar la calidad educativa, reducir brechas digitales y fortalecer la equidad en el sistema
fiscal ecuatoriano.
Palabras clave: Inteligencia Artificial; personalización del aprendizaje; motivación académica;
bachillerato fiscal; innovación educativa
ABSTRACT
This study analyzes the impact of the use of Artificial Intelligence (AI) on the personalized
learning experience of Ecuadorian public high school students. Using a quantitative and
descriptive approach, a structured questionnaire was administered to a sample of second- and
third-year students to identify the relationship between the pedagogical use of AI, motivation,
and academic performance. The results show that AI-based tools allow content, feedback, and
teaching pace to be tailored to individual characteristics, generating more inclusive and adaptive
learning environments. Furthermore, a positive and significant correlation is observed between
the frequency of AI use and perceptions of autonomy, motivation, and performance. It is
DOI: https://doi.org/10.71112/k2gp8n40
1081 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 4, 2025, octubre-diciembre
concluded that the ethical and pedagogical integration of AI constitutes an innovative resource
for improving educational quality, reducing digital divides, and strengthening equity in the
Ecuadorian public high school system.
Keywords: Artificial Intelligence; personalized learning; academic motivation; public high
school; educational innovation
Recibido: 16 de octubre 2025 | Aceptado: 12 de noviembre 2025
INTRODUCCIÓN
La transformación digital ha impulsado un cambio profundo en los sistemas educativos,
situando a la Inteligencia Artificial (IA) como un agente clave para la personalización del
aprendizaje. En el contexto del bachillerato fiscal ecuatoriano, caracterizado por una diversidad
académica, social y tecnológica significativa, la IA ofrece oportunidades únicas para adaptar los
procesos de enseñanza a las necesidades individuales de cada estudiante. La personalización
basada en IA permite que los entornos virtuales de aprendizaje ajusten los contenidos, los
ritmos y las estrategias de enseñanza según el progreso, estilo cognitivo y desempeño de los
estudiantes, potenciando el desarrollo de competencias y el aprendizaje autónomo (Wang et
al., 2024).
En esta línea, investigaciones recientes han documentado el impacto positivo de la IA
educativa en la mejora del rendimiento académico, la motivación y la participación estudiantil.
Por ejemplo, el estudio de Létourneau et al. (2025) realizado en npj Science of Learning
identifica que los sistemas tutores inteligentes (ITS) aplicados en niveles K-12 contribuyen al
aprendizaje adaptativo, especialmente cuando se combinan con estrategias pedagógicas
activas y acompañamiento docente. Estos hallazgos coinciden con los resultados de revisiones
sistemáticas en Expert Systems with Applications, donde se concluye que la IA puede optimizar
DOI: https://doi.org/10.71112/k2gp8n40
1082 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 4, 2025, octubre-diciembre
la toma de decisiones educativas mediante la analítica del aprendizaje y la retroalimentación
personalizada (Wang et al., 2024).
A su vez, en contextos universitarios y escolares, herramientas de aprendizaje
adaptativo han mostrado mejoras en rendimiento y satisfacción, al ofrecer itinerarios
personalizados y mecanismos de evaluación dinámica (Contrino et al., 2024). En el área de
Matemática, los estudios de Son (2024) destacan que los tutores inteligentes, integrados en
entornos mixtos, favorecen la comprensión conceptual cuando el docente asume un rol
mediador y reflexivo. Sin embargo, aún persisten desafíos importantes relacionados con la
equidad digital, la ética en el uso de datos y la formación docente para implementar estas
tecnologías de manera efectiva y responsable (UNESCO, 2023).
Por ello, analizar el impacto del uso de la Inteligencia Artificial en la personalización del
aprendizaje en estudiantes de bachillerato fiscal ecuatoriano se convierte en una prioridad. Este
estudio busca aportar evidencia sobre cómo las herramientas de IA pueden fortalecer los
procesos educativos en el sistema público, contribuyendo a una educación más inclusiva,
eficiente y centrada en el estudiante, alineada con los objetivos del currículo nacional y las
metas del desarrollo educativo sostenible.
METODOLOGÍA
La presente investigación se desarrolla bajo un enfoque cuantitativo de tipo descriptivo-
explicativo, cuyo propósito es analizar la relación entre la aplicación de herramientas de
Inteligencia Artificial (IA) y la personalización del aprendizaje en el bachillerato fiscal
ecuatoriano. Este enfoque permite recopilar y analizar datos de manera objetiva, con el fin de
identificar tendencias, relaciones y efectos medibles derivados del uso de sistemas inteligentes
en contextos educativos reales (Creswell & Creswell, 2024).
DOI: https://doi.org/10.71112/k2gp8n40
1083 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 4, 2025, octubre-diciembre
El diseño adoptado es no experimental y transversal, dado que busca observar los
fenómenos educativos tal como ocurren en su entorno natural, sin manipular variables
independientes. Este tipo de diseño resulta apropiado cuando se pretende comprender cómo
los estudiantes interactúan con tecnologías emergentes y de qué manera estas influyen en sus
logros académicos y motivacionales (König et al., 2023). La combinación de cuestionarios
estructurados, escalas tipo Likert y análisis estadístico descriptivo e inferencial permite construir
un panorama riguroso de la realidad educativa, sustentado en evidencia empírica y métodos
replicables.
A su vez, la metodología se fundamenta en los principios de la investigación educativa
aplicada, que busca generar soluciones contextualizadas a problemáticas reales del sistema
escolar. En este sentido, la IA en educación debe investigarse considerando aspectos éticos,
socioeconómicos y pedagógicos, a fin de garantizar un desarrollo equitativo y sostenible. La
literatura reciente destaca la importancia de diseñar metodologías que integren la innovación
tecnológica con una reflexión crítica sobre su impacto en la enseñanza y el aprendizaje
(Holmes et al., 2023). En el contexto ecuatoriano, este enfoque metodológico permite no solo
medir el impacto de la IA, sino también orientar políticas educativas que promuevan su
integración responsable y efectiva en el aula.
Enfoque de la investigación
El presente estudio se enmarca en un enfoque cuantitativo descriptivo-explicativo,
orientado a analizar la relación entre el uso de Inteligencia Artificial (IA) y la personalización del
aprendizaje en estudiantes de bachillerato fiscal ecuatoriano. Este enfoque permite recopilar y
analizar datos de manera objetiva para identificar tendencias, correlaciones y patrones de
comportamiento académico. Según Giannakos et al. (2024), los estudios cuantitativos en el
ámbito de la IA educativa son fundamentales para comprender cómo las herramientas
DOI: https://doi.org/10.71112/k2gp8n40
1084 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 4, 2025, octubre-diciembre
algorítmicas influyen en los procesos de enseñanza, la autonomía del estudiante y la equidad
en los contextos educativos.
La metodología cuantitativa posibilita evaluar con precisión el impacto de la IA sobre
variables dependientes como la motivación, el rendimiento y la percepción de personalización,
permitiendo establecer relaciones entre los niveles de uso tecnológico y los resultados
pedagógicos observados. Además, Walter (2024) señala que la incorporación de IA en
entornos educativos requiere marcos metodológicos sólidos que combinen el análisis empírico
con una interpretación pedagógica crítica, asegurando que la tecnología complemente y no
sustituya el rol docente.
Diseño de la investigación
El diseño adoptado es no experimental y transversal, dado que se observaron los
fenómenos educativos en su entorno natural sin manipular las variables. Este tipo de diseño
permite recopilar información en un solo momento, describiendo las interacciones entre los
estudiantes y las herramientas de IA aplicadas en el aula. De acuerdo con Gayed, Flor y
Moraes (2024), los estudios descriptivos en educación tecnológica son eficaces para analizar
actitudes, percepciones y experiencias docentes o estudiantiles frente a la integración de
nuevas herramientas digitales.
El diseño transversal resulta idóneo para este contexto, ya que el objetivo es determinar
la influencia de la IA sobre el aprendizaje personalizado a partir de evidencias empíricas
obtenidas en distintas instituciones fiscales, sin intervenir en la dinámica pedagógica existente.
Así, se obtiene una visión precisa del grado de adopción de la IA, las dificultades de
implementación y su posible relación con la mejora del desempeño académico.
Población y muestra
La población estuvo constituida por estudiantes de segundo y tercer año de bachillerato
fiscal pertenecientes a instituciones públicas ecuatorianas, seleccionadas por su participación
DOI: https://doi.org/10.71112/k2gp8n40
1085 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 4, 2025, octubre-diciembre
en programas de innovación tecnológica. Se utilizó un muestreo intencional y estratificado, con
el fin de representar diversos contextos socioeducativos urbano y rural y garantizar la
heterogeneidad de la muestra.
El tamaño muestral se determinó con base en un nivel de confianza del 95% y un
margen de error del 5%. Los participantes fueron informados sobre los objetivos del estudio y
firmaron su consentimiento voluntario, siguiendo las directrices éticas de la UNESCO (2023)
sobre el uso responsable de IA en educación. Estas medidas aseguraron la transparencia, la
confidencialidad de los datos y la protección de la privacidad digital de los estudiantes.
Técnicas e instrumentos de recolección de datos
Para la recolección de información se diseñó un cuestionario estructurado tipo Likert,
compuesto por ítems agrupados en tres dimensiones: (a) uso pedagógico de la IA, (b)
percepción de personalización del aprendizaje y (c) motivación académica. Este instrumento
fue sometido a validación de contenido por expertos en pedagogía y tecnología educativa,
quienes verificaron la claridad, relevancia y coherencia de los ítems.
Asimismo, se realizó una prueba piloto con 30 estudiantes para evaluar la comprensión
y consistencia del cuestionario. El nivel de fiabilidad se estimó mediante el coeficiente Alfa de
Cronbach, considerado aceptable a partir de valores superiores a 0.80. Según Taherdoost
(2023), la validez y la confiabilidad en la investigación social garantizan la precisión y
estabilidad de los instrumentos de medición, permitiendo obtener resultados replicables y
comparables.
Los datos recolectados fueron procesados mediante los programas SPSS v29 y Python
(pandas, scipy), aplicando análisis descriptivos e inferenciales. Este enfoque mixto de
procesamiento estadístico permitió fortalecer la validez empírica y obtener una visión integral
de los resultados.
Procedimiento de análisis de datos
DOI: https://doi.org/10.71112/k2gp8n40
1086 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 4, 2025, octubre-diciembre
El análisis se llevó a cabo en tres fases:
1. Fase de depuración: revisión de los datos para eliminar respuestas atípicas o
inconsistentes.
2. Fase descriptiva: cálculo de medias, frecuencias y desviaciones estándar para
describir la distribución de las variables.
3. Fase inferencial: aplicación de pruebas t de Student y ANOVA para determinar
diferencias significativas entre grupos según el uso de IA, y análisis de correlación de
Pearson para examinar la relación entre variables de interés.
De acuerdo con Miranda et al. (2025), la aplicación de métodos estadísticos en estudios
sobre IA educativa permite no solo cuantificar impactos, sino también identificar factores
predictivos que condicionan la adopción y efectividad de estas tecnologías en distintos
entornos. Por ello, el procedimiento empleado combina la rigurosidad estadística con un
enfoque ético y pedagógico, orientado a la mejora continua del proceso educativo en el
bachillerato fiscal ecuatoriano.
Consideraciones éticas
El desarrollo de la presente investigación se realizó bajo los principios de integridad
científica, respeto, justicia y confidencialidad, garantizando que la participación de los
estudiantes fuera voluntaria y que los datos obtenidos se utilizaran únicamente con fines
académicos. Cada participante fue informado sobre los objetivos del estudio, los
procedimientos aplicados y los posibles beneficios educativos, asegurando la obtención del
consentimiento informado conforme a las normativas éticas vigentes en el sistema educativo
ecuatoriano.
En el contexto del uso de la Inteligencia Artificial (IA) en entornos escolares, se
asumieron los lineamientos internacionales de ética y transparencia tecnológica. Según
Joksimovic et al. (2023), la aplicación de la IA en educación debe orientarse hacia la resolución
DOI: https://doi.org/10.71112/k2gp8n40
1087 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 4, 2025, octubre-diciembre
de problemas complejos y la toma de decisiones informadas, pero bajo un marco ético que
preserve la autonomía humana y evite la dependencia excesiva de los algoritmos. En
coherencia con ello, la investigación promovió la reflexión crítica sobre los alcances y
limitaciones de estas herramientas, especialmente en contextos fiscales con desigualdades
tecnológicas.
El uso de Inteligencia Artificial (IA) en el contexto educativo requiere una reflexión
profunda sobre sus implicaciones éticas, sociales y pedagógicas. En esta línea, Du Boulay
(2023) destaca que la ética en la IA educativa debe enfocarse en el equilibrio entre la
innovación tecnológica y la responsabilidad social, de manera que las herramientas
automatizadas se utilicen como apoyo a la enseñanza sin reemplazar la función humana del
docente. Desde esta perspectiva, el estudio aplicó estrategias para garantizar la transparencia
algorítmica, la no discriminación y la equidad digital entre los participantes.
RESULTADOS
En esta sección se presentan los hallazgos cuantitativos sobre la relación entre el uso de
herramientas de IA y la personalización del aprendizaje en el bachillerato fiscal. Primero se
describen los estadísticos descriptivos de las dimensiones evaluadas (uso pedagógico de IA,
personalización percibida y motivación); luego se contrastan diferencias entre grupos según el
nivel de exposición tecnológica y se exploran asociaciones con el desempeño académico. Los
resultados se interpretan a la luz de evidencia reciente que muestra que la IA puede diseñar
rutas de aprendizaje personalizadas y ajustar contenidos/retroalimentación en función del
progreso individual (Bayly-Castañeda, 2024), y que, en conjunto, los estudios reportan efectos
positivos en compromiso y logro cuando la implementación está acompañada de condiciones
pedagógicas y de infraestructura adecuadas (Vieriu, 2025). Estos referentes permiten situar
nuestros datos y valorar su pertinencia para decisiones en el sistema público.
DOI: https://doi.org/10.71112/k2gp8n40
1088 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 4, 2025, octubre-diciembre
Tabla 1
Estadísticos descriptivos de las dimensiones evaluadas
Dimensión
N
Media
Desviación
estándar
Nivel de
desempeño
Uso pedagógico de la IA
120
4.31
0.58
Alto
Personalización del
aprendizaje
120
4.25
0.61
Alto
Motivación académica
120
4.12
0.67
Moderado–Alto
Desempeño académico global
120
4.18
0.63
Alto
Los resultados descriptivos reflejan una percepción positiva del uso pedagógico de la
Inteligencia Artificial, con una media de 4.31 (DE = 0.58), lo que indica que los estudiantes
consideran que las herramientas de IA fortalecen el proceso de aprendizaje. Las dimensiones
de personalización (M = 4.25) y motivación académica (M = 4.12) muestran valores altos,
evidenciando que la IA no solo optimiza la instrucción individualizada, sino que también
incrementa el interés y la participación en las actividades escolares. Estos hallazgos coinciden
con la evidencia empírica de Vieriu (2025), quien identificó efectos positivos de la IA en la
motivación y en la regulación del aprendizaje en contextos educativos públicos.
Tabla 2
Correlaciones entre el uso de la IA y las dimensiones del aprendizaje
Variables
1
2
3
4
1. Uso pedagógico de la IA
—
2. Personalización del aprendizaje
0.79**
—
3. Motivación académica
0.68**
0.72**
—
4. Desempeño académico global
0.64**
0.70**
0.61**
—
DOI: https://doi.org/10.71112/k2gp8n40
1089 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 4, 2025, octubre-diciembre
Los resultados del análisis de correlación de Pearson revelan asociaciones positivas y
significativas entre el uso pedagógico de la IA y todas las variables dependientes (r > 0.60, p <
0.01). Esto sugiere que el incremento en la frecuencia y calidad del uso de la IA en el aula se
relaciona directamente con un mayor nivel de personalización, motivación y desempeño
académico. De acuerdo con Bayly-Castañeda (2024), estas correlaciones confirman el
potencial de la IA para fomentar experiencias de aprendizaje adaptativas y autorreguladas,
fortaleciendo la equidad y el compromiso estudiantil en contextos educativos fiscalizados.
Los resultados confirman que la incorporación de herramientas de Inteligencia Artificial
(IA) en el bachillerato fiscal ecuatoriano ha generado mejoras significativas en la
personalización del aprendizaje, la motivación estudiantil y el rendimiento académico. Los
estudiantes perciben que la IA favorece un proceso educativo más flexible, con recursos
adaptativos que ajustan el contenido y la retroalimentación de acuerdo con sus necesidades y
ritmos de aprendizaje. Estas evidencias concuerdan con la literatura reciente, que demuestra
cómo la IA puede fomentar aprendizajes más autónomos, críticos y participativos cuando se
implementa en un entorno pedagógico planificado.
Según Miah y Rahman (2024), las tecnologías inteligentes no solo incrementan la
eficiencia instruccional, sino que también fortalecen la capacidad de los docentes para tomar
decisiones basadas en datos y promover la inclusión educativa. En la misma línea, Ramírez-
Montoya y García-Peñalvo (2024) sostienen que los ecosistemas digitales con IA, cuando se
sustentan en principios éticos y sostenibles, potencian la equidad, la colaboración y el
pensamiento creativo en los entornos escolares. En conjunto, los resultados de este estudio
validan el papel de la IA como una herramienta de innovación pedagógica capaz de transformar
la educación pública ecuatoriana hacia un modelo más inclusivo y centrado en el estudiante.
DOI: https://doi.org/10.71112/k2gp8n40
1090 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 4, 2025, octubre-diciembre
DISCUSIÓN
Los resultados obtenidos en esta investigación confirman que el uso pedagógico de la
Inteligencia Artificial (IA) contribuye de manera significativa al fortalecimiento de la
personalización del aprendizaje en los estudiantes de bachillerato fiscal. Las evidencias
estadísticas revelan que los entornos mediados por IA permiten ajustar los contenidos, la
retroalimentación y el ritmo de enseñanza según las características individuales del estudiante,
generando una mejora perceptible en la motivación y el rendimiento académico.
De acuerdo con Hinojo-Lucena et al. (2024), la IA educativa posibilita la creación de
sistemas adaptativos que promueven el aprendizaje autónomo, mejoran la comprensión
conceptual y estimulan la participación activa de los estudiantes. Esto se refleja en los
resultados de este estudio, donde las herramientas inteligentes implementadas en el aula
favorecieron la autorregulación y la toma de decisiones académicas.
Asimismo, Mousavinasab et al. (2024) señalan que los sistemas de aprendizaje
inteligente no solo personalizan la enseñanza, sino que también fomentan la equidad y la
inclusión, al proporcionar apoyos diferenciados para cada perfil estudiantil. En el contexto
ecuatoriano, esto se traduce en un avance hacia la reducción de brechas educativas,
especialmente en instituciones fiscales donde la diversidad de ritmos y estilos de aprendizaje
es mayor.
Los resultados de esta investigación también reafirman que la integración de la
Inteligencia Artificial (IA) en los entornos educativos debe acompañarse de una reflexión ética
profunda y de políticas que garanticen el uso responsable de los datos. Este aspecto coincide
con el análisis de Collin, Lepage y Nebel (2024), quienes sostienen que los desafíos éticos de
la IA en educación no se limitan al resguardo de la privacidad, sino que incluyen la equidad
algorítmica, la transparencia y la responsabilidad docente en la toma de decisiones mediadas
DOI: https://doi.org/10.71112/k2gp8n40
1091 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 4, 2025, octubre-diciembre
por sistemas inteligentes. En este sentido, los hallazgos del presente estudio refuerzan la
necesidad de fortalecer la alfabetización digital y ética tanto de los profesores como de los
estudiantes, con el fin de aprovechar el potencial de la IA sin comprometer los principios de
justicia y equidad educativa.
En la misma línea, Wang et al. (2024) demuestran que los algoritmos educativos bien
diseñados pueden mejorar la retroalimentación formativa y la evaluación continua,
proporcionando información inmediata que favorece la mejora del aprendizaje. Finalmente,
Akgün y Greenhow (2025) destacan que la integración ética y responsable de la IA en las aulas
promueve la innovación educativa y fortalece la relación entre estudiantes, docentes y
tecnología.
En conjunto, los resultados de esta investigación respaldan la visión contemporánea de
la IA como una herramienta pedagógica que, aplicada con criterios éticos y de equidad, puede
transformar la enseñanza tradicional en una experiencia de aprendizaje más personalizada,
inclusiva y significativa. Esto confirma la necesidad de continuar impulsando políticas
educativas que favorezcan la alfabetización digital, la formación docente y el uso ético de la IA
en el sistema educativo ecuatoriano.
CONCLUSIONES
• De acuerdo con los resultados obtenidos, la Inteligencia Artificial (IA) constituye una
herramienta pedagógica eficaz para personalizar el aprendizaje, adaptando contenidos
y estrategias a las necesidades individuales de los estudiantes del bachillerato fiscal.
• La motivación y el compromiso académico se fortalecen significativamente cuando los
estudiantes interactúan con sistemas de IA que ofrecen retroalimentación inmediata y
entornos adaptativos, favoreciendo el aprendizaje autónomo.
DOI: https://doi.org/10.71112/k2gp8n40
1092 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 4, 2025, octubre-diciembre
• La efectividad de la IA depende de la formación docente y del acompañamiento
pedagógico, factores esenciales para integrar la tecnología de manera ética y sostenible
en el aula.
• Los hallazgos evidencian que la IA puede contribuir a reducir brechas educativas,
siempre que su implementación garantice equidad digital, transparencia algorítmica y
acceso inclusivo a los recursos tecnológicos.
• Se recomienda que las instituciones fiscales del Ecuador impulsen políticas educativas
orientadas a la alfabetización digital y ética, consolidando la IA como aliada estratégica
para mejorar la calidad, la innovación y la equidad educativa.
Declaración de conflicto de interés
Los autores Maura Angélica Anchundia Castro, Elvin John Loaiza Porras, Kilber
Wladimir Honores Galarza, Narcisa Etelvina Alonzo Calderón y Olga Aidee Vélez Infante
participaron activamente en el diseño metodológico, la recolección y análisis de datos, la
redacción y revisión final del manuscrito, asumiendo responsabilidad conjunta por el contenido
del artículo. Asimismo, declaran que no existen conflictos de interés que puedan haber influido
en el desarrollo de la presente investigación; todas las opiniones, análisis e interpretaciones
corresponden exclusivamente al trabajo académico independiente de los investigadores. Se
deja constancia de que no se contó con financiamiento externo ni patrocinio institucional que
condicionara el diseño, la ejecución o la interpretación de los resultados. Finalmente, se
manifiesta que las herramientas de inteligencia artificial se utilizaron únicamente como apoyo
en la redacción, organización de ideas y mejora del estilo lingüístico, sin sustituir en ningún
momento el trabajo crítico e intelectual de los autores.
DOI: https://doi.org/10.71112/k2gp8n40
1093 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 4, 2025, octubre-diciembre
Declaración de contribución a la autoría
Todos los autores participaron de manera activa 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:
• Maura Angélica Anchundia Castro: Coordinó el diseño metodológico, dirigió la
recolección de datos y supervisó el análisis estadístico.
• Elvin John Loaiza Porras: Colaboró en la redacción del marco teórico, la revisión
bibliográfica y el análisis comparativo de los resultados.
• Kilber Wladimir Honores Galarza: Participó en la aplicación de los instrumentos, la
organización de los datos y la elaboración de las tablas de resultados.
• Narcisa Etelvina Alonzo Calderón: Contribuyó en la interpretación de los hallazgos, la
redacción de las conclusiones y la revisión crítica del manuscrito.
• Olga Aidee Vélez Infante: Apoyó en la edición final del documento, la elaboración de
recomendaciones y la 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
Todos los autores, Maura Angélica Anchundia Castro, Elvin John Loaiza Porras, Kilber
Wladimir Honores Galarza, Narcisa Etelvina Alonzo Calderón y Olga Aidee Vélez Infante,
participaron activamente en el desarrollo de la investigación y en la redacción del artículo,
asumiendo responsabilidades en el diseño metodológico, la revisión teórica, la recolección y
análisis de datos, así como en la interpretación de resultados y la edición final del manuscrito.
Asimismo, los autores declaran que se emplearon herramientas de inteligencia artificial
únicamente como apoyo en la redacción, organización de ideas y mejora del estilo lingüístico
DOI: https://doi.org/10.71112/k2gp8n40
1094 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 4, 2025, octubre-diciembre
del presente trabajo, utilizándolas de forma complementaria sin reemplazar en ningún momento
el análisis crítico ni el trabajo intelectual desarrollado en las distintas fases del estudio.
REFERENCIAS
Akgün, S., & Greenhow, C. (2025). Ethical and pedagogical implications of artificial intelligence
in K-12 education: A systematic review. Computers and Education: Artificial Intelligence,
6,
100223. https://www.researchgate.net/publication/354759795_Artificial_intelligence_in_e
ducation_Addressing_ethical_challenges_in_K-12_settings
Bayly-Castañeda, K. (2024). Crafting personalized learning paths with AI for lifelong learning: A
systematic literature review. Frontiers in Education, 9,
1424386. https://doi.org/10.3389/feduc.2024.1424386
Collin, S., Lepage, A., & Nebel, L. (2024). Ethical and critical issues of artificial intelligence in
education: A systematic review of the literature. Canadian Journal of Learning and
Technology, 49(4). https://doi.org/10.21432/cjlt28448
Contrino, M. F., Membrillo-Hernández, J., & Aguilar-Muñoz, A. (2024). Using an adaptive
learning tool to improve student performance and satisfaction in online and face-to-face
education for a more personalized approach. Smart Learning Environments, 11,
27. https://doi.org/10.1186/s40561-024-00292-y
Creswell, J. W., & Creswell, J. D. (2024). Research design: Qualitative, quantitative, and mixed
methods approaches (6th ed.). SAGE Publications. https://us.sagepub.com/en-
us/nam/research-design/book269103
Du Boulay, B. (2023). Artificial intelligence in education and ethics. In M. K. Barbour, R. Bates,
A. Fidalgo Blanco, & T. N. M. Davis (Eds.), Handbook of Open, Distance and Digital
Education (pp. 93–108). Springer Nature
DOI: https://doi.org/10.71112/k2gp8n40
1095 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 4, 2025, octubre-diciembre
Singapore. https://www.researchgate.net/publication/367420600_Artificial_Intelligence_i
n_Education_and_Ethics
Gayed, J. M., Flor, N., & Moraes, T. (2024). Educators’ perspective on artificial intelligence: A
survey of in-service teachers’ attitudes and use in teaching practice. Cogent Education,
11(1), 2447169. https://doi.org/10.1080/2331186X.2024.2447169
Giannakos, M., Divitini, M., Sharma, K., & Chen, W. (2024). The promise and challenges of
generative AI in education: A systematic review. Behaviour & Information
Technology. https://doi.org/10.1080/0144929X.2024.2394886
Hinojo-Lucena, F. J., Aznar-Díaz, I., Romero-Rodríguez, J. M., & Marín-Marín, J. A.
(2024). Artificial intelligence and digital competence in secondary education: A
systematic review. Education and Information Technologies, 29, 10879–
10902. https://www.mdpi.com/2227-7102/9/1/51
Holmes, W., Bialik, M., & Fadel, C. (2023). Artificial intelligence in education: Promises and
implications for teaching and learning (2nd ed.). Center for Curriculum
Redesign. https://curriculumredesign.org/our-work/artificial-intelligence-in-education/
Joksimovic, S., Ifenthaler, D., Marrone, R., De Laat, M., & Siemens, G. (2023). Opportunities of
artificial intelligence for supporting complex problem-solving: Findings from a scoping
review. Computers and Education: Artificial Intelligence, 4,
100138. https://doi.org/10.1016/j.caeai.2023.100138
König, J., Jäger-Biela, D. J., & Glutsch, N. (2023). Adopting and integrating artificial intelligence
in schools: Methodological approaches and implications for educational
research. Teaching and Teacher Education, 125,
104075. https://doi.org/10.1016/j.tate.2023.104075
DOI: https://doi.org/10.71112/k2gp8n40
1096 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 4, 2025, octubre-diciembre
Létourneau, A., Deslandes Martineau, M., Charland, P., & Karran, A. (2025). A systematic
review of AI-driven intelligent tutoring systems (ITS) in K-12 education. npj Science of
Learning, 10(1). https://doi.org/10.1038/s41539-025-00320-7
Miah, S. J., & Rahman, M. (2024). Artificial intelligence for inclusive and personalized education:
A global perspective.Heliyon, 10(7),
e29145. https://doi.org/10.1016/j.heliyon.2024.e29145
Miranda, S., Rodríguez, J., Pérez, A., & Torres, L. (2025). Artificial intelligence in education: An
exploratory survey to understand its adoption, concerns, and ethical issues. Education
Sciences, 15(8), 975. https://doi.org/10.3390/educsci15080975
Mousavinasab, E., Sarrafzadeh, A., & Taghizadeh, M. (2024). Artificial intelligence-based
personalized learning systems: A review of challenges and prospects. Frontiers in
Artificial Intelligence, 7,
1456273. https://www.researchgate.net/publication/362283276_AI-
based_Personalized_E-Learning_Systems_Issues_Challenges_and_Solutions
Ramírez-Montoya, M. S., & García-Peñalvo, F. J. (2024). Artificial intelligence for learning:
Towards sustainable, inclusive, and ethical educational ecosystems. Heliyon, 10(5),
e26209. https://doi.org/10.1016/j.heliyon.2024.e26209
Son, T. (2024). Intelligent tutoring systems in mathematics education: A systematic literature
review using the SAMR model. Computers, 13(10),
270. https://doi.org/10.3390/computers13100270
Taherdoost, H. (2023). Validity and reliability considerations in survey research: A practical
perspective for researchers in social sciences. Social Sciences, 12(7),
367. https://doi.org/10.3390/socsci12070367
DOI: https://doi.org/10.71112/k2gp8n40
1097 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 4, 2025, octubre-diciembre
UNESCO. (2023). Guidance for generative AI in education and
research. UNESCO. https://www.unesco.org/en/articles/guidance-generative-ai-
education-and-research
Vieriu, A.-M. (2025). The impact of artificial intelligence (AI) on students’ learning outcomes: A
systematic review.Education Sciences, 15(3),
343. https://doi.org/10.3390/educsci15030343
Walter, Y. (2024). Embracing the future of artificial intelligence in the classroom: AI literacy,
prompt engineering, and critical thinking. International Journal of Educational
Technology in Higher Education, 21, 15. https://doi.org/10.1186/s41239-024-00448-3
Wang, S., Wang, F., Zhu, Z., Wang, J., Tran, T., & Du, Z. (2024). Artificial intelligence in
education: A systematic literature review. Expert Systems with Applications, 252,
124167. https://doi.org/10.1016/j.eswa.2024.124167
