Revista Multidisciplinar Epistemología de las Ciencias
Volumen 3, Número 1, 2026, enero-marzo
DOI: https://doi.org/10.71112/jf653j78
IMPACTO DEL USO Y DEL NIVEL DE ADOPCIÓN DE HERRAMIENTAS DE
INTELIGENCIA ARTIFICIAL EN LA EFICACIA PEDAGÓGICA DE LOS DOCENTES
DE EDUCACIÓN SECUNDARIA: UNA REVISIÓN SISTEMÁTICA (2020–2025)
IMPACT OF THE USE AND LEVEL OF ADOPTION OF ARTIFICIAL INTELLIGENCE
TOOLS ON THE PEDAGOGICAL EFFECTIVENESS OF TEACHERS IN
SECONDARY EDUCATION: A SYSTEMATIC REVIEW (2020–2025)
Andrés Alexander Melo Rodríguez
Panamá
DOI: https://doi.org/10.71112/jf653j78
2628 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 1, 2026, enero-marzo
Impacto del uso y del nivel de adopción de herramientas de inteligencia artificial
en la eficacia pedagógica de los docentes de educación secundaria: una revisión
sistemática (2020–2025)
Impact of the use and level of adoption of artificial intelligence tools on the
pedagogical effectiveness of teachers in secondary education: a systematic
review (2020–2025)
Andrés Alexander Melo Rodríguez
andres-a.melo-r@up.ac.pa
https://orcid.org/0009-0005-1375-0251
Universidad Nacional de Panamá
Panamá
RESUMEN
Esta revisión sistemática sintetiza evidencia publicada entre 2020 y 2025 sobre la relación entre
la adopción de herramientas de inteligencia artificial y la eficacia pedagógica docente en
educación secundaria. Se identificaron 110 registros, se evaluaron 49 textos completos y se
incluyeron 25 estudios. En conjunto, los hallazgos señalan asociaciones positivas entre el uso
de IA y mejoras en planificación, personalización del aprendizaje, retroalimentación y
evaluación, aunque los efectos no son uniformes. La influencia depende de la competencia
digital docente, la formación específica, la intención pedagógica y el apoyo institucional. Se
reportan barreras recurrentes como sesgos algorítmicos, riesgos de privacidad, brechas de
acceso, aumento de carga laboral y ausencia de lineamientos claros. Se concluye que la IA
potencia la eficacia docente cuando se integra con criterios didácticos y gobernanza ética.
DOI: https://doi.org/10.71112/jf653j78
2629 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 1, 2026, enero-marzo
Palabras clave: inteligencia artificial; adopción tecnológica; eficacia docente; educación
secundaria; revisión sistemática
ABSTRACT
This systematic review synthesizes studies published between 2020 and 2025 on the
relationship between teachers’ adoption of artificial intelligence tools and pedagogical
effectiveness in secondary education. A total of 110 records were identified, 49 full texts were
assessed, and 25 studies were included. Overall, findings suggest positive associations
between AI use and improvements in lesson planning, learning personalization, feedback, and
assessment, although effects are not consistent across contexts. Outcomes depend on
teachers’ digital competence, targeted professional development, instructional intent, and
institutional support. Recurrent barriers include algorithmic bias, privacy and data protection
concerns, unequal access, increased workload, and limited policy guidance. The review
concludes that AI can enhance teaching effectiveness when implemented as a pedagogical
strategy supported by ethical governance and capacity building.
Keywords: artificial intelligence; technology adoption; teaching effectiveness; secondary
education; systematic review
Recibido: 2 marzo 2026 | Aceptado: 25 marzo 2026 | Publicado: 26 marzo 2026
INTRODUCCIÓN
En educación secundaria, la presión por personalizar la enseñanza, responder a brechas
de aprendizaje y evaluar con oportunidad ha intensificado las exigencias sobre el trabajo
docente. En paralelo, la expansión de herramientas de inteligencia artificial, incluyendo
asistentes generativos, analítica de aprendizaje y sistemas de evaluación automatizada, ha
DOI: https://doi.org/10.71112/jf653j78
2630 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 1, 2026, enero-marzo
abierto posibilidades de apoyo para tareas de preparación, diseño didáctico y retroalimentación.
La literatura reciente pone de manifiesto que el profesorado suele aproximarse a las
herramientas de inteligencia artificial desde una lógica pragmática orientada a resolver tareas
concretas del trabajo pedagógico cotidiano. Aunque la integración sostenida no solo depende
del interés de la persona, sino también de condiciones estructurales como la formación del
profesorado y la existencia de reglas institucionales claras para el uso. En este sentido,
conviene sintetizar la evidencia en la que nos encontramos para poder reflexionar en torno a
cómo el uso y el nivel de adopción se relacionan con la eficacia pedagógica. En una relación
entre ambos, podemos situar la tecnología en el campo educativo como recurso mediador del
proceso de enseñanza y no solo como un elemento técnico aislado, tal y como informan
diversas revisiones recientes sobre la incorporación de IA a los contextos escolares.
Las orientaciones internacionales sostienen que la incorporación de la inteligencia
artificial en la educación debe mantenerse bajo control humano en las decisiones pedagógicas
y operar dentro de principios de equidad, transparencia y seguridad. Según la UNESCO (2023),
la utilidad educativa de la IA depende de la existencia de políticas claras, de la alfabetización
crítica y de la protección de datos, sobre todo en situaciones donde los sistemas de IA
produzcan respuestas plausibles pero erróneas. Complementando esta idea, el marco de
competencias para docentes en inteligencia artificial establece progresiones formativas de base
técnica, ética, y pensamiento crítico y diseño pedagógico, orientadas a distinguir entre un uso
meramente instrumental y una integración responsable en el aula, como indica la UNESCO
(2024).
El grado de adopción de herramientas de inteligencia artificial se contempla en el
presente artículo como un constructo operativo que integra la frecuencia de uso, la diversidad
de herramientas empleadas, la competencia digital de los docentes usuarios y la intención
pedagógica que guía su uso instruccional. Investigaciones sobre la intención y aceptación de la
DOI: https://doi.org/10.71112/jf653j78
2631 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 1, 2026, enero-marzo
tecnología apuntan a que la adopción de la tecnología es superior cuando el profesorado valora
la utilidad para tareas concretas, tiene confianza en su control sobre los resultados y cuenta
con apoyo institucional (Kong et al., 2024; Lu et al., 2024). Asimismo, trabajos sobre la
autoeficacia en los entornos escolares apuntan a que la confianza tecnológica y la percepción
de apoyo institucional se relacionan con actitudes más favorables hacia el uso de los chatbots y
de recursos generativos, como explican Bergdahl y Sjöberg (2025).
La eficacia pedagógica docente se considera en esta revisión la capacidad de preparar,
implementar y evaluar procesos de enseñanza que promuevan aprendizajes que respeten el
currículo, que tengan en cuenta la diversidad del alumnado y que faciliten el feedback
formativo, siendo la evidencia existente la que presenta mayormente la eficacia docente a partir
de percepciones de los docentes, del análisis de prácticas instruccionales y de resultados
relacionados con la calidad de los materiales generados o de la retroalimentación generada. La
IA también puede influir en la eficacia pedagógica docente, en cuanto a que puede ayudar con
la toma de decisiones mediante información y recursos, aunque los riesgos también son altos si
no se valida el resultado. La razón de llevar a cabo una síntesis queda potenciada por el hecho
de existir un gran número de herramientas, contextos y estrategias metodológicas que se
intercalan en los estudios más recientes.
En la planificación pedagógica los asistentes generativos tienen ya un uso muy
extendido, particularmente para la producción de borradores de objetivos, actividades y
rúbricas, así como de variantes de explicaciones que agilizan la fase inicial del diseño didáctico.
Investigaciones con futuros docentes y estudios sobre planificación con IA coinciden en que
herramientas como ChatGPT pueden utilizarse como apoyo de preescritura y organización de
secuencias, aunque exigen verificación disciplinar y revisión pedagógica para evitar errores o
desajustes curriculares, como señalan Peikos y Stavrou (2025) y Guan et al. (2025). En la
enseñanza de lenguas, por otro lado, la preparación para el uso de la IA se relaciona con el
DOI: https://doi.org/10.71112/jf653j78
2632 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 1, 2026, enero-marzo
acompañamiento formativo y con criterios claros para evaluar la calidad de las salidas
generadas, lo que sugiere que la competencia digital específica en IA actúa como mediadora
del impacto, conforme a Moorhouse (2024).
Desde la innovación metodológica, por último, la literatura indica que la IA ayuda a iterar
los diseños didácticos y la práctica de adaptación de los materiales, aunque la innovación no es
automática, en el sentido de que por el simple uso de tecnología no está garantizada. Las
investigaciones realizadas sobre análisis del aprendizaje y tableros del profesorado evidencian
que el codiseño con el profesorado permite que la información sea inteligible y se conecte con
decisiones pedagógicas reales, tal como lo comentan van Leeuwen et al. (2023). La innovación
sostenida requiere ciclos de diseño, implementación y reflexión de forma continua porque las
propuestas generadas pueden ser genéricas o poco contextualizadas. En Educación
Secundaria, donde el contexto de los contenidos da lugar a un contenido especializado y las
condiciones del aula cambian, la innovación mediada por IA depende del profesorado para
adaptar y recontextualizar el uso de la información a las actividades que se están llevando a
cabo.
En el contexto de la evaluación del aprendizaje se marcan dos grandes líneas de
herramientas: evaluación automatizada y analítica del aprendizaje mediante tableros. Existen
evidencias que afirman que la evaluación automatizada de los escritos puede aumentar la
eficiencia y la consistencia como apoyo, siempre que se calibren los resultados mediante
rúbricas transparentes y que la decisión última no se entregue totalmente a la herramienta,
como advierten Wilson et al. (2024). En analítica, los dashboards pueden apoyar el seguimiento
del progreso del alumnado, aunque requieren alfabetización en datos y traducción pedagógica
de los indicadores para no promover interpretaciones simplistas, tal como advierten van
Leeuwen et al. (2023) y Leibur y Saks (2025). Por su parte, la expansión de la IA generativa
DOI: https://doi.org/10.71112/jf653j78
2633 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 1, 2026, enero-marzo
provocó una reconfiguración de las prácticas evaluativas debido a la preocupación por la
integridad académica.
Una revisión exhaustiva de la percepción de los profesores en torno al uso de
herramientas de inteligencia artificial en el ámbito educativo permite extraer barreras y
facilitadores de la adopción de la IA en educación secundaria a partir de la infraestructura
disponible, las políticas institucionales, la cultura escolar y las oportunidades de desarrollo
profesional. Autores como Cheah et al. (2025) y Granström y Oppi (2025) indican que la
presencia de soporte institucional, recursos disponibles y claridad normativa condiciona el uso
continuado. Del mismo modo, estudios sobre la percepción docente respecto al uso de
ChatGPT muestran preocupaciones por autoría, sesgos y privacidad, factores que pueden
restringir su uso en la evaluación o en la producción de materiales (Al-khresheh, 2024; Estrada-
Araoz et al., 2024). Por ello, el impacto sobre la eficacia pedagógica debe analizarse junto con
las condiciones habilitantes y los riesgos.
Sobre la base de la tesis titulada Impacto del uso y el nivel de adopción de herramientas
de inteligencia artificial en la eficacia pedagógica de los docentes de educación secundaria de
la Institución Educativa La Gaitana, Timaná-Huila, se desarrolla este artículo. El objetivo
general es valorar el impacto del uso y del nivel de adopción de herramientas de inteligencia
artificial en la mejora de la eficacia pedagógica de los docentes de la institución educativa.
Como objetivos específicos se presentan: medir la frecuencia y el nivel de uso por el
profesorado participante junto con el nivel de adopción y realizar un análisis de la percepción
de los docentes en relación con la eficacia pedagógica de la planificación, de la innovación
metodológica y de la evaluación del aprendizaje en el contexto escolar.
Las variables de la investigación se mantienen como punto de partida para la
codificación de la evidencia. La variable independiente: nivel de adopción de herramientas de
inteligencia artificial. Frecuencia de uso. Tipo de herramientas de IA utilizadas. Nivel de
DOI: https://doi.org/10.71112/jf653j78
2634 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 1, 2026, enero-marzo
competencia digital docente. Propósito pedagógico del uso de la IA. Variable dependiente:
eficacia pedagógica docente. Dimensiones sugeridas: planificación pedagógica. Innovación
metodológica. Evaluación del aprendizaje. Percepción de mejora en los resultados educativos.
Al preservar estas definiciones, la revisión busca aportar una base bibliográfica coherente que
oriente la operacionalización y la construcción de instrumentos en el estudio aplicado posterior.
En este marco, la interpretación privilegia la evidencia disponible y evita extrapolaciones no
sustentadas.
METODOLOGÍA
Se desarrolló una revisión sistemática con síntesis cualitativa, orientada a describir y
organizar hallazgos empíricos sobre la relación entre uso de herramientas de IA y eficacia
pedagógica docente en educación secundaria.
Diseño y protocolo de la revisión
La revisión se reporta con base en PRISMA 2020, incorporando un diagrama de flujo y
tablas de extracción y síntesis (Page et al., 2021). Dada la heterogeneidad que se esperaba en
los diseños, instrumentos y contextos, no se estimó un metaanálisis; en su lugar, se llevó a
cabo una síntesis narrativa por temas y dimensiones. Esta aproximación se orienta a evidencia
reciente, y aunque se reconoce que la velocidad del avance de las herramientas generativas
hace que los cambios en las prácticas y en los marcos de gobernanza se produzcan a una
velocidad muy aumentada, el enfoque reconoce que la evolución de herramientas generativas
acelera cambios en prácticas y en marcos de gobernanza.
A los efectos de la trazabilidad, se fijó la unidad mínima de reporte por estudio
entendida como: tipo de herramienta de IA; población docente y nivel educativo; indicadores de
adopción; resultados atribuidos a planificación, innovación o evaluación; y anotaciones en
relación con las barreras y facilitadores. Esta unidad permitió llevar a cabo comparaciones
DOI: https://doi.org/10.71112/jf653j78
2635 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 1, 2026, enero-marzo
entre las encuestas de intención de uso y estudios cualitativos de experiencias y con
intervenciones centradas en la retroalimentación automatizada. La síntesis del estudio organizó
los resultados en función de las dimensiones de la eficacia pedagógica fijadas por la tesis y de
los indicadores de adopción. Esta decisión facilita que la revisión funcione como insumo
bibliográfico directo para el diseño metodológico del trabajo empírico en Timaná-Huila.
Estrategia de búsqueda y criterios de elegibilidad
La búsqueda se estructuró con términos en español e inglés relacionados con
inteligencia artificial, herramientas generativas, ChatGPT, teacher dashboard, learning
analytics, automated assessment, adopción, intención de uso, competencia digital y eficacia
pedagógica. Se consultaron bases de datos académicas multidisciplinarias y educativas y se
complementó con búsqueda por referencias de artículos clave. Se aplicó un filtro temporal
2020-2025 y se priorizaron textos completos. El objetivo fue capturar tanto los estudios de
adopción docente como las investigaciones de implementación y de diseño de herramientas
con impacto pedagógico reportado, priorizando en este marco la interpretación de la evidencia
disponible, evitando extrapolaciones no sustentadas. Por consiguiente, se pone de manifiesto
la necesidad de contar con criterios pedagógicos explícitos para guiar la práctica responsable.
Se excluyeron estudios sin componente educativo, estudios centrados exclusivamente
en estudiantes sin datos de práctica docente, publicaciones anteriores a 2020, así como
artículos que no ofreciesen información metodológica suficiente para poder interpretar los
resultados finales. Se excluyeron además opiniones sin evidencia empírica, salvo las de
aquellos documentos normativos que fueron utilizados como marco contextual, reportados en
tanto que referencias y no como artículos incluidos. Los criterios se formularon para mantener
coherencia con el objetivo de evaluar impacto pedagógico, no solo aceptación tecnológica.
Además, se incluyeron estudios con docentes K-12 cuando sus resultados eran transferibles a
secundaria, dado que varios trabajos no desagregan el nivel escolar, pero describen prácticas
DOI: https://doi.org/10.71112/jf653j78
2636 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 1, 2026, enero-marzo
de aula comparables. Por ello, el análisis se presenta con cautela y se reconoce la variabilidad
entre contextos escolares.
Tabla 1
Estrategia de búsqueda y criterios de inclusión y exclusión (2020-2025)
Elemento
Descripción
Periodo
Estudios publicados entre 2020 y 2025 (inclusive).
Términos
clave
IA, generative AI, ChatGPT, teacher dashboard, learning analytics, automated
assessment, adopción, intención, competencia digital, eficacia pedagógica.
Población
Docentes en ejercicio o en formación vinculados a secundaria o prácticas escolares;
se aceptaron estudios K-12 con resultados transferibles a secundaria.
Resultados
Evidencia sobre planificación pedagógica, innovación metodológica, evaluación del
aprendizaje o percepción de mejora en resultados educativos.
Exclusiones
Sin texto completo, sin método explícito, sin datos de práctica docente, o fuera de
ventana temporal 2020-2025.
Nota. El reporte del proceso de selección se alinea con PRISMA 2020 (Page et al., 2021).
Selección de estudios, extracción y síntesis
El proceso de selección siguió cuatro pasos: identificación, eliminación de duplicados,
cribado por título y resumen, y evaluación de texto completo. De acuerdo con el diagrama
PRISMA, se identificaron 110 registros, se retuvieron 89 tras depuración de duplicados y se
seleccionaron 49 para lectura completa. En la fase de elegibilidad se excluyeron 24 textos con
razones explícitas, consolidando 25 estudios incluidos en la síntesis cualitativa. Esta secuencia
se reporta para facilitar replicación y para mantener transparencia sobre la construcción del
cuerpo de evidencia analizado. Por ello, el análisis se presenta con cautela y se reconoce la
variabilidad entre contextos escolares.
La extracción de datos se realizó con una matriz simplificada, adecuada para un
artículo, que registró metadatos, contexto, herramienta de IA, indicadores de adopción,
DOI: https://doi.org/10.71112/jf653j78
2637 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 1, 2026, enero-marzo
hallazgos por dimensión de eficacia y notas sobre barreras y facilitadores. La valoración de
calidad metodológica se aplicó con un checklist transversal, centrado en claridad de objetivos,
adecuación del muestreo, transparencia de instrumentos, coherencia analítica y limitaciones
reportadas. No se eliminó evidencia solo por diseño, pero la calidad se utilizó para ponderar
interpretaciones, especialmente en estudios basados en autoinforme y en muestras pequeñas.
En este marco, la interpretación privilegia la evidencia disponible y evita extrapolaciones no
sustentadas.
Figura 1
Diagrama de flujo PRISMA del proceso de selección de estudios.
Nota. Los valores corresponden a identificación, selección, elegibilidad e inclusión reportadas
en esta revisión.
DOI: https://doi.org/10.71112/jf653j78
2638 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 1, 2026, enero-marzo
RESULTADOS
Los 25 estudios incluidos muestran una concentración temática en herramientas
generativas, aceptación e intención de uso, y experiencias de integración en diseño didáctico y
evaluación. Predominan encuestas y diseños mixtos que miden actitudes, autoeficacia y
condiciones facilitadoras, con menor presencia de intervenciones con medición de resultados
observables. Pero, a pesar de ello, la evidencia proporciona un mapa claro de mecanismos: la
IA impacta en eficacia cuando disminuye la carga de preparación, incrementa las posibilidades
de explicación, apoya la retroalimentación, siempre que el docente mantenga el control y los
criterios de calidad. En diversos trabajos, el impacto se reporta como mejora percibida, lo que
exige interpretar los resultados con cautela y observar la consistencia entre trabajos.
En lo que se refiere a la adopción, la intención de uso aumenta cuando los docentes
reportan utilidad para tareas específicas y experimentan confianza para controlar el resultado.
En los trabajos que han construido modelos de aceptación extendida, la utilidad percibida y la
influencia social aparecen con frecuencia como predictoras del uso de herramientas
generativas (Kong et al., 2024). Adicionalmente, trabajos sobre motivación en el trabajo
sugieren que los recursos del trabajo como el apoyo institucional, autonomía, están asociados
con un mayor nivel de disposición para incorporar IA y con beneficios percibidos para la
práctica (Collie & Martin, 2024). En el caso del K-12, la autoeficacia en IA se asocia con
actitudes positivas, lo que sugiere que la formación puede ser una palanca para una adopción
sostenible (Bergdahl & Sjöberg, 2025).
DOI: https://doi.org/10.71112/jf653j78
2639 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 1, 2026, enero-marzo
Tabla 2
Estudios incluidos en la síntesis cualitativa y foco principal (n = 25)
Autor(es) y año
Tipo de IA /
herramienta
Población / nivel
Foco en eficacia pedagógica
Ayanwale et al.,
2022
IA educativa
Docentes
escolares
Preparación, intención de uso
y utilidad percibida
Kim & Kim,
2022
IA para escritura
científica
Docentes
Calidad de salidas,
retroalimentación y criterios de
uso
van Leeuwen et
al., 2023
Teacher
dashboards
Docentes
Codiseño, visión profesional y
toma de decisiones
Al-khresheh,
2024
ChatGPT en ELT
Docentes de
lenguas
Planificación, evaluación y
barreras éticas
Cabero-
Almenara et al.,
2024
IA educativa
Docentes
Aceptación, creencias
pedagógicas y variables
asociadas
Collie & Martin,
2024
IA generativa
Docentes
Motivación, compromiso y
condiciones laborales de
adopción
Estrada-Araoz
et al., 2024
IA en educación
básica
Docentes de
educación básica
Percepciones, beneficios y
desafíos de integración
Kong et al.,
2024
IA generativa (TAM
extendido)
Docentes de
primaria y
secundaria
Intención de uso y mediadores
de adopción
DOI: https://doi.org/10.71112/jf653j78
2640 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 1, 2026, enero-marzo
Lu et al., 2024
IA generativa
Docentes
Voluntad de uso y factores
influyentes
Moorhouse,
2024
IA generativa en
lenguas
Docentes
principiantes
Preparación profesional y
verificación de salidas
Wang et al.,
2024
GenAI, TPACK y
autoeficacia
Futuros docentes
Diseño de enseñanza,
ansiedad e intención
conductual
Wilson et al.,
2024
Evaluación
automatizada de
escritura
Docentes de
secundaria
Retroalimentación, calibración
y percepciones de
implementación
Bergdahl &
Sjöberg, 2025
IA en K-12
Docentes K-12
Actitudes, percepciones y
autoeficacia en IA
Cheah et al.,
2025
IA generativa en K-
12
Docentes K-12
Preparación, prácticas y
barreras
Dalyanci et al.,
2025
IA generativa en
educación
Docentes
Adopción, innovación y perfil
de usuarios
Demszky et al.,
2025
Feedback
automatizado
Docentes
Mejora de la práctica
interrogativa y apoyo
instruccional
Granström &
Oppi, 2025
IA en educación
Docentes
Preparación y utilidad percibida
Guan et al.,
2025
IA integrada en
educación
Futuros docentes
Capacidades, identidad
docente y preparación
Leibur & Saks,
2025
Learning analytics
Docentes
Desarrollo profesional y uso
pedagógico de datos
DOI: https://doi.org/10.71112/jf653j78
2641 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 1, 2026, enero-marzo
Liu et al., 2025
IA generativa
Futuros docentes
Intención de adopción y
factores explicativos
Navío-Inglés et
al., 2025
IA generativa y
feedback
Futuros docentes
Percepciones de evaluación y
prácticas de retroalimentación
Ofem et al.,
2025
IA en evaluación
Docentes
Preparación, creencias
pedagógicas y mediadores de
uso
Peikos &
Stavrou, 2025
ChatGPT para
planificación
Futuros docentes
Planificación de clases y
conocimiento pedagógico del
contenido
Prilop et al.,
2025
GenAI en formación
docente
Formadores de
docentes
Potenciales transformadores y
alfabetización en IA
Uwosomah &
Dooly, 2025
IA en formación
inicial
Futuros docentes
Percepciones cambiantes y
apropiación crítica
Nota. Elaboración propia
Las investigaciones sobre la aplicación de ChatGPT en el diseño de clases muestran
beneficios consistentes en la generación de borradores y la ampliación de ideas. Pero autores
como Peikos y Stavrou (2025) y Guan et al. (2025) señalan que la calidad de lo producido
depende de la habilidad para formular prompts y de la competencia disciplinar del docente. En
sus análisis, la IA ayudó a estructurar secuencias y a dar concreción a ejemplos, aunque con
errores de procedimiento que exigían una validación rigurosa. En el mismo sentido, Moorhouse
(2024) concluye que, en docentes de lenguas, el interés por utilizar la tecnología está vinculado
a prácticas de verificación y al apoyo institucional, lo que sugiere que la incorporación de la
tecnología sigue criterios de calidad y no depende solo de la velocidad de una tarea.
DOI: https://doi.org/10.71112/jf653j78
2642 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 1, 2026, enero-marzo
Uno de los patrones transversales detectados en la literatura indica que los docentes la
utilizan para realizar tareas de bajo riesgo, como preparar materiales básicos o adaptar textos a
distintos niveles y contextos. Collie y Martin (2024) y Al-khresheh (2024) ponen de relieve que
solo a partir de estas etapas iniciales comienzan a explorarse usos más responsables, como la
producción de actividades evaluables. Por ello, la frecuencia de uso por sí sola no alcanza a
explicar el impacto real; más bien, es necesario considerar para qué se utiliza la IA y qué nivel
de control mantiene el docente sobre lo que se produce. La mayoría de los trabajos de
percepción considera legítimo utilizar la IA para la planificación siempre que el profesor
conserve la autoría de su tarea, mientras que delegar tareas enteras sin revisión posterior se
asocia con una pérdida de control sobre el currículo escolar.
Respecto a la innovación metodológica, la evidencia es dispersa y muestra que la IA
hace posible diseñar alternativas de aprendizaje basado en problemas y secuencias
diferenciadas. Sin embargo, trabajos de investigación realizados por van Leeuwen et al. (2023)
y Leibur y Saks (2025) indican que la innovación no se produce cuando el uso de la IA se limita
a generar materiales textuales al margen de las interacciones y de los roles en el aula. Estos
autores indican que la implementación exitosa de herramientas como los dashboards docentes
depende de la capacidad del profesorado para leer datos y traducirlos en decisiones
pedagógicas concretas. El codiseño de las herramientas reduce fricciones porque las conecta
con necesidades reales del entorno educativo y evita informes desconectados de la práctica
cotidiana.
La introducción de la IA generativa en la educación secundaria provoca tensiones entre
la búsqueda de creatividad y el control institucional. Dalyanci et al. (2025) y Cheah et al. (2025)
reportan que la herramienta permite reformular explicaciones y adaptar tareas para estudiantes
con necesidades diversas, favoreciendo la inclusión. Al mismo tiempo, advierten sobre riesgos
de homogeneización de actividades y de reproducción de sesgos cuando las propuestas se
DOI: https://doi.org/10.71112/jf653j78
2643 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 1, 2026, enero-marzo
reutilizan sin contextualización. La evidencia en escuelas secundarias muestra que la
innovación puede sostenerse cuando existen lineamientos de uso y oportunidades para
intercambiar buenas prácticas. De este modo, se pueden establecer acuerdos sobre la forma
en que la inteligencia artificial puede integrarse en el aula sin sustituir el juicio pedagógico del
profesorado.
En relación con la evaluación, la revisión también indica que la IA es un apoyo
adecuado cuando extiende prácticas de evaluación que el profesorado ya incorporaba en sus
propuestas. En la evaluación automatizada de la escritura, Wilson et al. (2024) explican que los
docentes perciben que la retroalimentación rápida impulsa los procesos de revisión, aunque
insisten en la importancia de calibrar con rúbricas propias; por otra parte, la analítica de
aprendizaje permite seguir la progresión para tomar decisiones sobre refuerzo y ritmo, pero van
Leeuwen et al. (2023) y Leibur y Saks (2025) señalan problemas de interpretación de
indicadores y de uso pedagógico de los datos. En consecuencia, el efecto en la práctica
depende de la alfabetización de datos del profesorado y de su conexión con la evaluación
formativa.
Por su parte, la preocupación por la integridad académica está impulsando un viraje
hacia evaluaciones más auténticas o con formatos más orales. Como indica la guía de la
UNESCO (2023), establecer políticas escolares sobre autoría y citación es un facilitador para
integrar la IA y no violar la validez de las evaluaciones. La mayoría de artículos revisados
reportan que la claridad de las explicaciones y la eficacia percibida mejoran, pero autores como
Collie y Martin (2024) o Bergdahl y Sjöberg (2025) indican que estas mejoras dependen de los
recursos institucionales y de la autoeficacia de los docentes. En síntesis, la infraestructura, la
gobernanza y concretamente la formación situada son unas condiciones habilitantes que
permiten superar las barreras éticas o profesionales, para obtener una implementación
perdurable y una integración pedagógica más profunda.
DOI: https://doi.org/10.71112/jf653j78
2644 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 1, 2026, enero-marzo
Tabla 3
Síntesis de hallazgos por dimensión de eficacia pedagógica docente
Dimensión
Hallazgos sintetizados
Planificación
pedagógica
Beneficios consistentes en borradores, rúbricas y materiales; el impacto
depende de prompts, verificación y conocimiento disciplinar (Peikos &
Stavrou, 2025; Moorhouse, 2024; Guan et al., 2025).
Innovación
metodológica
Evidencia heterogénea: apoyo a ideación y adaptación, pero requiere
ciclos de diseño, codiseño y alfabetización de datos (van Leeuwen et al.,
2023; Leibur & Saks, 2025; Dalyanci et al., 2025).
Evaluación del
aprendizaje
Aportes a retroalimentación y seguimiento mediante evaluación
automatizada y dashboards; se recomiendan rúbricas, calibración y
control docente por sesgos y validez (Wilson et al., 2024; van Leeuwen
et al., 2023; Leibur & Saks, 2025).
Percepción de
mejora educativa
Predominan autoinformes; algunos estudios muestran mejoras
específicas de práctica y resultados mediadas por confianza, apoyo
institucional y políticas de uso (Demszky et al., 2025; Collie & Martin,
2024).
La síntesis de los hallazgos presentados en la Tabla 3 demuestra que la eficacia
pedagógica no se incrementa de manera lineal por el simple acceso a la tecnología, sino que
está mediada por la profundidad de la adopción en cada dimensión. Mientras que en la
planificación se observa una adopción más inmediata y funcional, en áreas como la evaluación
y la innovación metodológica la integración es más compleja y cautelosa. Autores como Peikos
y Stavrou (2025) y Wilson et al. (2024) establecen que la validación docente es el eje que
sostiene la calidad de estas prácticas. Ahora bien, para que esa transformación desde un uso
DOI: https://doi.org/10.71112/jf653j78
2645 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 1, 2026, enero-marzo
instrumental hacia uno transformador ocurra, es determinante identificar los factores que limitan
o apoyan esa integración, y por esa razón, la Tabla 4 sistematiza las barreras y facilitadores
que la literatura pone de manifiesto, clasificándolos en categorías técnicas, formativas,
institucionales, profesionales y pedagógicas relacionadas con la viabilidad de la IA en el
contexto escolar.
Tabla 4
Barreras y facilitadores para la adopción docente de herramientas de IA
Categoría
Descripción
Evidencia
Técnica
Acceso a conectividad,
dispositivos, licencias y
soporte.
Limitaciones de infraestructura asociadas a
menor integración (Cheah et al., 2025; Lu et
al., 2024).
Formativa
Alfabetización en IA,
prompts, evaluación crítica y
ética.
Competencias y preparación docente para
integrar IA (Kong et al., 2024; UNESCO, 2024).
Institucional
Políticas de privacidad,
autoría, integridad y uso
permitido.
Reglas claras reducen riesgos y aumentan
adopción (Al-khresheh, 2024; UNESCO, 2023).
Profesional
Tiempo, carga laboral,
autoeficacia y confianza en
salidas.
Autoeficacia y recursos del trabajo se asocian
a un mayor uso (Collie & Martin, 2024;
Bergdahl & Sjöberg, 2025).
Pedagógica
Propósito didáctico explícito y
control docente de
decisiones.
Énfasis en verificación, alineación curricular y
control docente (Peikos & Stavrou, 2025;
Wilson et al., 2024).
La interdependencia de las categorías de la Tabla 4 indica que la eficacia pedagógica
no es un resultado aislado, sino que emerge cuando existen condiciones habilitantes que están
DOI: https://doi.org/10.71112/jf653j78
2646 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 1, 2026, enero-marzo
en consonancia. Como plantean Cheah et al. (2025), la infraestructura técnica y el acceso a
licencias institucionales constituyen la base necesaria, aunque el éxito real de la adopción
recae en la dimensión formativa. La evidencia remarca que, cuando los docentes desarrollan
una alfabetización crítica en IA, pueden pasar de un uso mecánico a uno estratégico y mitigar
riesgos relacionados con sesgos y errores de procedimiento. En este sentido, la capacitación
no debe ceñirse a cómo funcionan las herramientas, sino centrarse en la evaluación crítica de
las salidas generadas y en su congruencia con las metas de aprendizaje y las necesidades del
contexto escolar.
En el ámbito institucional, la claridad normativa emerge como uno de los facilitadores
determinantes para reducir la incertidumbre docente. Estudios realizados por Al-khresheh
(2024) y directrices de la UNESCO (2023) destacan que la disponibilidad de políticas asociadas
a privacidad, autoría e integridad académica proporciona un marco de seguridad en la práctica
docente que incentiva la experimentación pedagógica. Sin embargo, si no existen normas
explícitas de utilización de la IA, muchos profesores limitan su uso a situaciones administrativas
por miedo a quebrantar normativas de protección de datos o deontología. Por el contrario,
cuando la IA se integra en el proyecto educativo y en políticas de uso permitido, se favorece
una adopción más profunda y autorizada.
La dimensión profesional pone de manifiesto que la autoeficacia y la gestión del tiempo
son determinantes críticos de la profundidad de la integración. Según Collie y Martin (2024) y
Bergdahl y Sjöberg (2025), el uso de esta tecnología arroja mayores beneficios si el docente
entiende que esta herramienta ayuda a reducir sus exigencias laborales y no a incrementarlas.
Allí donde el aumento de la carga de trabajo de control de contenidos y de personalización de
actividades puede generar ansiedad sin tener un soporte apropiado, la percepción de las
propias competencias tecnológicas actuaría entonces como mediador: en el caso de un
docente con un alto nivel de autoeficacia, este sería capaz de delegar tareas rutinarias a la
DOI: https://doi.org/10.71112/jf653j78
2647 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 1, 2026, enero-marzo
inteligencia artificial para poder dedicarse a la mediación didáctica y al acompañamiento
emocional frente a sus alumnos en el aula.
Desde la lógica pedagógica, el propósito didáctico explícito debe tener primacía sobre la
novedad tecnológica, con miras a que el aprendizaje sea significativo. Peikos y Stavrou (2025)
y Wilson et al. (2024) coinciden en que la eficacia puede alcanzarse cuando el profesor
mantiene el control sobre las decisiones instruccionales y usa la inteligencia artificial para
enriquecer su juicio profesional. El énfasis en la verificación y la alineación curricular evita que
la automatización produzca una enseñanza homogeneizada. Integrada como herramienta para
la diferenciación y la inclusión, la IA puede transformarse en una extensión de la capacidad
docente y favorecer una atención más personalizada en un contexto de secundaria diverso y
complejo.
Finalmente, la síntesis de resultados sugiere que el nivel de madurez en la adopción de
la inteligencia artificial en secundaria se sitúa actualmente en un momento de transición hacia
una formalización pedagógica más avanzada. La evidencia recolectada entre los años 2020 y
2025 concluye que, pese a resistencias de tipo técnico y ético aún presentes, algunos
facilitadores como la formación situada y las comunidades de práctica han ido derribando
resistencias iniciales. Como concluye la UNESCO (2024), el futuro de la eficacia docente no se
determinará por la sustitución de tareas, sino que depende de una colaboración humano-
máquina en la que la ética y la pedagogía tomarán el control de la innovación. La consolidación
de estos hallazgos refuerza la necesidad de seguir documentando prácticas exitosas que
potencien la eficiencia tecnológica en la educación en la práctica, garantizando que la adopción
de la IA sea siempre el resultado de un compromiso ético con el desarrollo del aprendiz.
DOI: https://doi.org/10.71112/jf653j78
2648 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 1, 2026, enero-marzo
DISCUSIÓN
El conjunto de resultados indica que el impacto de la IA en la eficacia pedagógica no es
automático, sino que depende del nivel de adopción y de mediadores de contexto. Cuando la
adopción se define solo en términos de frecuencia, se corre el riesgo de sobreestimar sus
beneficios, puesto que parte del uso de la IA se concentra en tareas de preparación menos
arriesgadas. En cambio, una adopción que incorpora competencia digital, propósito pedagógico
y protocolos de verificación ofrece evidencia de que las mejoras en la planificación y en el
apoyo a la evaluación son más consistentes. Esto coincide con hallazgos sobre aceptación
docente, donde utilidad esperada, autoeficacia y condiciones facilitadoras explican el paso de
un uso ocasional a una integración sostenida (Kong et al., 2024; Lu et al., 2024).
En planificación, la revisión muestra convergencia: la IA generativa funciona como
herramienta para ampliar la producción y la diversidad, pero requiere validación para evitar
errores y sesgos. Estudios con futuros docentes señalan que el uso de prompts específicos y la
evaluación de coherencia de las salidas respecto a pautas curriculares produce mejores
resultados (Peikos & Stavrou, 2025; Guan et al., 2025). Revisiones sobre preparación de
docentes novatos subrayan que la adopción efectiva depende de competencias situadas,
asociadas al apoyo formativo y a criterios explícitos para valorar la calidad de los outputs
(Moorhouse, 2024). En esta línea, la competencia digital docente debería incluir saberes de
verificación y juicio pedagógico, y no solo habilidades instrumentales.
En innovación metodológica, los hallazgos heterogéneos corroboran que la IA opera más
como catalizador que como motor independiente. La innovación aparece cuando la herramienta
se integra en ciclos de diseño, implementación y reflexión, y cuando el docente usa la IA para
explorar alternativas alineadas con los objetivos de aprendizaje. Estudios sobre paneles y
analítica muestran que la utilidad depende del codiseño y de la alfabetización de datos, ya que
sin ello los indicadores no se traducen en decisiones pedagógicas (van Leeuwen et al., 2023;
DOI: https://doi.org/10.71112/jf653j78
2649 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 1, 2026, enero-marzo
Leibur & Saks, 2025). En secundaria, por la especialización de contenidos, la innovación
mediada por IA exige recontextualizar propuestas y asegurar coherencia con currículo y
evaluación.
En evaluación, los resultados sugieren una integración complementaria. La evaluación
automatizada de la escritura y los tableros de analítica aportan señales de desempeño, pero su
validez depende de rúbricas, calibración y control docente. A la vez, la disponibilidad de IA
generativa introduce retos de integridad que obligan a reconsiderar tareas y a transparentar
criterios de autoría y citación. Se recomienda fortalecer políticas escolares y alfabetización
crítica para enfrentar dificultades y convertir el fenómeno en oportunidad pedagógica
(UNESCO, 2023). Además, la retroalimentación automatizada puede apoyar el dominio de
habilidades concretas, pero el nivel de confianza y la percepción de utilidad son condiciones
previas para que el docente ajuste su práctica a partir de esa retroalimentación (Demszky et al.,
2025).
Las barreras más frecuentes se relacionan con institución y formación. Sin conectividad,
licencias y protocolos claros de privacidad, la incorporación se restringe o migra a usos
informales fuera de canales escolares, elevando riesgos. Sin formación, el docente reporta
ansiedad, dudas sobre fiabilidad y dificultades para evaluar resultados, lo que limita la adopción
o la mantiene en un plano instrumental. En contraste, los facilitadores con mayor influencia son
el apoyo directivo, las comunidades de práctica y la formación situada con ejemplos de
integración en planificación y evaluación; estos factores se asocian tanto con la intención de
uso como con la consolidación de prácticas (Cheah et al., 2025; Bergdahl & Sjöberg, 2025).
Como limitación, la evidencia depende en gran medida de autoinformes. Aunque se
observan asociaciones entre intención de uso, autoeficacia y beneficios percibidos, la relación
entre intención, autoeficacia y adopción puede ser bidireccional: es probable que docentes más
competentes adopten más herramientas y, a la vez, se autoevalúen como más competentes,
DOI: https://doi.org/10.71112/jf653j78
2650 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 1, 2026, enero-marzo
sin que la IA sea necesariamente la causa. Además, la rápida actualización de modelos y
políticas escolares introduce un componente temporal relevante: hallazgos de un año pueden
variar por cambios de herramientas, funciones o regulaciones. Por ello, conviene leer la
revisión como un mapa de evidencia reciente y como base para diseñar mediciones locales,
más que como estimación de efectos globales.
CONCLUSIONES
La evidencia revisada para 2020-2025 sugiere que las herramientas de IA pueden
contribuir a la eficacia pedagógica del profesorado de secundaria cuando su incorporación no
se limita a la frecuencia de uso, sino que integra competencia digital, verificación de resultados
y un propósito didáctico explícito. En este marco, los efectos más consistentes se observan en
tareas de planificación, preparación de clases y organización de recursos, donde la IA funciona
como apoyo para ampliar alternativas y optimizar tiempos, siempre que el docente mantenga
control crítico sobre la calidad y pertinencia de las salidas.
En relación con la práctica pedagógica, los aportes de la IA se consolidan especialmente
en el apoyo a la evaluación y la retroalimentación, mediante usos complementarios como
analítica de aprendizaje o asistencia en la valoración de producciones, cuya validez depende
de rúbricas, calibración y supervisión docente. La innovación metodológica aparece de forma
menos homogénea y suele depender de condiciones escolares e iniciativas de diseño,
implementación y reflexión, lo que indica que la IA actúa más como catalizador de mejoras que
como motor autónomo de transformación.
Finalmente, la adopción responsable está fuertemente condicionada por el contexto
institucional. Sin conectividad, licencias, lineamientos de privacidad y formación situada, la
integración tiende a permanecer instrumental o a desplazarse a usos informales con mayor
exposición a riesgos. Por ello, la consolidación de beneficios requiere apoyo directivo,
DOI: https://doi.org/10.71112/jf653j78
2651 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 1, 2026, enero-marzo
comunidades de práctica, capacitación continua y criterios claros de gobernanza, de modo que
la incorporación de IA preserve la agencia docente, reduzca brechas y permita medir
localmente su contribución a la eficacia pedagógica incluyendo barreras y facilitadores como
variables explicativas.
Declaración de conflicto de interés
El autor declara no tener ningún conflicto de interés relacionado con esta investigación.
Declaración de contribución a la autoría
Andrés Alexander Melo Rodríguez: conceptualización, curación de datos, análisis
formal, adquisición de fondos, investigación, metodología, administración del proyecto,
recursos, software, supervisión, validación, visualización, redacción del borrador original,
revisión y edición de la redacción.
Declaración de uso de inteligencia artificial
El autor declara que utilizo la inteligencia artificial como apoyo para este artículo, y
también que esta herramienta no sustituye de ninguna manera la tarea o proceso intelectual.
Después de rigurosas revisiones con diferentes herramientas en la que se comprobó que no
existe plagio como constan en las evidencias, los autores manifiestan y reconocen que este
trabajo fue producto de un trabajo intelectual propio, que no ha sido escrito ni publicado en
ninguna plataforma electrónica o de IA.
REFERENCIAS
Al-khresheh, M. H. (2024). Bridging technology and pedagogy from a global lens: Teachers’
perspectives on integrating ChatGPT in English language teaching. Computers and
Education: Artificial Intelligence, 6, 100218. https://doi.org/10.1016/j.caeai.2024.100218
Ayanwale, M. A., Sanusi, I. T., Adelana, O. P., Aruleba, K. D., & Oyelere, S. S. (2022).
Teachers’ readiness and intention to teach artificial intelligence in schools. Computers
DOI: https://doi.org/10.71112/jf653j78
2652 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 1, 2026, enero-marzo
and Education: Artificial Intelligence, 3,
100099. https://doi.org/10.1016/j.caeai.2022.100099
Bergdahl, N., & Sjöberg, J. (2025). Attitudes, perceptions and AI self-efficacy in K-12
education. Computers and Education: Artificial Intelligence, 8,
100358. https://doi.org/10.1016/j.caeai.2024.100358
Cabero-Almenara, J., Palacios-Rodríguez, A., Loaiza-Aguirre, M. I., & Rivas-Manzano, M. D. R.
(2024). Acceptance of educational artificial intelligence by teachers and its relationship
with some variables and pedagogical beliefs. Education Sciences, 14(7),
740. https://doi.org/10.3390/educsci14070740
Cheah, Y. H., Lu, J., & Kim, J. (2025). Integrating generative artificial intelligence in K-12
education: Examining teachers’ preparedness, practices, and barriers. Computers and
Education: Artificial Intelligence, 8, 100363. https://doi.org/10.1016/j.caeai.2025.100363
Collie, R. J., & Martin, A. J. (2024). Teachers’ motivation and engagement to harness
generative artificial intelligence for teaching and learning: The role of contextual,
occupational, and background factors. Computers and Education: Artificial Intelligence,
6, 100224. https://doi.org/10.1016/j.caeai.2024.100224
Dalyanci, A. A., Mast, L., Krushinskaia, K., & Raes, A. (2025). Detecting innovators in the field:
Teachers’ perceptions and adoption of generative AI in education. The Open Technology
in Education, Society, and Scholarship Association Journal, 5(1), 1–
50. https://doi.org/10.18357/otessaj.2025.5.1.89
Demszky, D., Liu, J., Hill, H. C., Sanghi, S., & Chung, A. (2025). Automated feedback improves
teachers’ questioning quality in brick-and-mortar classrooms: Opportunities for further
enhancement. Computers & Education, 227,
105183. https://doi.org/10.1016/j.compedu.2024.105183
DOI: https://doi.org/10.71112/jf653j78
2653 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 1, 2026, enero-marzo
Estrada-Araoz, E. G., Quispe-Aquise, J., Malaga-Yllpa, Y., Larico-Uchamaco, G. R., Pizarro-
Osorio, G. R., Mendoza-Zuñiga, M., Velasquez-Bernal, A. C., Roque-Guizada, C. E., &
Huamaní-Pérez, M. I. (2024). Role of artificial intelligence in education: Perspectives of
Peruvian basic education teachers. Data and Metadata, 3,
325. https://doi.org/10.56294/dm2024325
Granström, M., & Oppi, P. (2025). Assessing teachers’ readiness and perceived usefulness of
AI in education: An Estonian perspective. Frontiers in Education, 10,
1622240. https://doi.org/10.3389/feduc.2025.1622240
Guan, L., Zhang, Y., & Gu, M. M. (2025). Pre-service teachers preparedness for AI-integrated
education: An investigation from perceptions, capabilities, and teachers’ identity
changes. Computers and Education: Artificial Intelligence, 8,
100341. https://doi.org/10.1016/j.caeai.2024.100341
Kim, N. J., & Kim, M. K. (2022). Teacher’s perceptions of using an artificial intelligence-based
educational tool for scientific writing. Frontiers in Education, 7,
755914. https://doi.org/10.3389/feduc.2022.755914
Kong, S. C., Yang, Y., & Hou, C. (2024). Examining teachers’ behavioural intention of using
generative artificial intelligence tools for teaching and learning based on the extended
technology acceptance model. Computers and Education: Artificial Intelligence, 7,
100328. https://doi.org/10.1016/j.caeai.2024.100328
Leibur, T., & Saks, K. (2025). Leveraging learning analytics to support teachers’ professional
development: Insights from a digital application. Frontiers in Education, 10,
1639217. https://doi.org/10.3389/feduc.2025.1639217
Liu, Y., Wang, Q., & Lei, J. (2025). Adopting generative AI in future classrooms: A study of
preservice teachers’ intentions and influencing factors. Behavioral Sciences, 15(8),
1040. https://doi.org/10.3390/bs15081040
DOI: https://doi.org/10.71112/jf653j78
2654 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 1, 2026, enero-marzo
Lu, H., He, L., Yu, H., Pan, T., & Fu, K. (2024). A study on teachers’ willingness to use
generative AI technology and its influencing factors: Based on an integrated
model. Sustainability, 16(16), 7216. https://doi.org/10.3390/su16167216
Moorhouse, B. L. (2024). Beginning and first-year language teachers’ readiness for the
generative AI age. Computers and Education: Artificial Intelligence, 6,
100201. https://doi.org/10.1016/j.caeai.2024.100201
Navío-Inglés, M., Guzmán Mora, J., O’Connor-Jiménez, P., & García González, A. (2025).
What’s next for feedback in writing instruction? Pre-service teachers’ perceptions of
assessment practices and the role of generative AI. Education Sciences, 15(11),
1534. https://doi.org/10.3390/educsci15111534
Ofem, U. J., Orim, F. S., Edam-Agbor, I. B., Amanso, E. O. I., Eni, E., Ukatu, J. O., Ovat, S. V.,
Osang, A. W., Dien, C., & Abuo, C. B. (2025). Teachers’ preparedness for the utilization
of artificial intelligence in classroom assessment: The contributory effects of attitude
toward technology, technological readiness, and pedagogical beliefs with perceived ease
of use and perceived usefulness as mediators. Frontiers in Education, 10,
1568306. https://doi.org/10.3389/feduc.2025.1568306
Page, M. J., McKenzie, J. E., Bossuyt, P. M., Boutron, I., Hoffmann, T. C., Mulrow, C. D., …
Moher, D. (2021). The PRISMA 2020 statement: An updated guideline for reporting
systematic reviews. BMJ, 372, n71. https://doi.org/10.1136/bmj.n71
Peikos, G., & Stavrou, D. (2025). ChatGPT for science lesson planning: An exploratory study
based on pedagogical content knowledge. Education Sciences, 15(3),
338. https://doi.org/10.3390/educsci15030338
Prilop, C. N., Mah, D.-K., Jacobsen, L. J., Hansen, R. R., Weber, K. E., & Hoya, F. (2025).
Generative AI in teacher education: Educators’ perceptions of transformative potentials
and the triadic nature of AI literacy explored through AI-enhanced methods. Computers
DOI: https://doi.org/10.71112/jf653j78
2655 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 1, 2026, enero-marzo
and Education: Artificial Intelligence, 9,
100471. https://doi.org/10.1016/j.caeai.2025.100471
UNESCO. (2023). Guidance for generative AI in education and research.
UNESCO. https://unesdoc.unesco.org/ark:/48223/pf0000386693
UNESCO. (2024). AI competency framework for teachers.
UNESCO. https://unesdoc.unesco.org/ark:/48223/pf0000391104
Uwosomah, E. E., & Dooly, M. (2025). It is not the huge enemy: Preservice teachers’ evolving
perspectives on AI. Education Sciences, 15(2),
152. https://doi.org/10.3390/educsci15020152
van Leeuwen, A., Strauß, S., & Rummel, N. (2023). Participatory design of teacher dashboards:
Navigating the tension between teacher input and theories on teacher professional
vision. Frontiers in Artificial Intelligence, 6,
1039739. https://doi.org/10.3389/frai.2023.1039739
Wang, K., Ruan, Q., Zhang, X., Fu, C., & Duan, B. (2024). Pre-service teachers’ GenAI anxiety,
technology self-efficacy, and TPACK: Their structural relations with behavioral intention
to design GenAI-assisted teaching. Behavioral Sciences, 14(5),
373. https://doi.org/10.3390/bs14050373
Wilson, J., Delgado, A., Palermo, C., Cruz Cordero, T. M., Myers, M. C., Eacker, H., Potter, A.,
Coles, J., & Zhang, S. (2024). Middle school teachers’ implementation and perceptions
of automated writing evaluation. Computers & Education Open, 7,
100231. https://doi.org/10.1016/j.caeo.2024.100231
