Revista Multidisciplinar Epistemología de las Ciencias
Volumen 3, Número 2, 2026, abril-junio
DOI: https://doi.org/10.71112/cz992679
MODELO DE MEDIACIÓN PEDAGÓGICA PARA INTEGRAR IA EN FORMACIÓN DE
CARRERAS ADMINISTRATIVAS
PEDAGOGICAL MEDIATION MODEL TO INTEGRATE AI INTO THE CURRICULUM
OF ADMINISTRATIVE DEGREE PROGRAMS
MBA Belkis Indira Reyes Vanegas
Nicaragua
DOI: https://doi.org/10.71112/cz992679
1502 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 2, 2026, abril-junio
Modelo de mediación pedagógica para integrar IA en formación de carreras
administrativas
Pedagogical mediation model to integrate AI into the curriculum of administrative
degree programs
MBA Belkis Indira Reyes Vanegas
a
,*
labo.belksbrain@gmail.com
https://orcid.org/0009-0007-2810-6914
*Autor de correspondencia: labo.belksbrain@gmail.com,
a
Universidad Jean Jacques, Nicaragua
RESUMEN
Esta investigación explora cómo integrar la inteligencia artificial (IA) en la enseñanza de las
carreras administrativas en una universidad privada de Managua. Frente a la creciente
presencia de la IA en la educación superior y otros sectores, el estudio propone un modelo de
mediación pedagógica para orientar su incorporación curricular.
Con un enfoque cualitativo y diseño de estudio de caso, recopilando datos mediante entrevistas
semiestructuradas a docentes y estudiantes de carreras administrativas, complementadas con
observación de actividades académicas.
El análisis permitió identificar temas recurrentes y patrones significativos. Entre los hallazgos,
se destaca el nivel de conocimiento en docentes y estudiantes sobre la IA, percepciones,
experiencias y necesidades formativas a abordarse para una implementación efectiva del
modelo de mediación pedagógica.
DOI: https://doi.org/10.71112/cz992679
1503 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 2, 2026, abril-junio
Se identificaron desafíos y oportunidades vinculados a la aplicación de mediaciones
pedagógicas, evaluando pertinencia y los aportes del modelo propuesto MMP” Belk-IA” para
facilitar la integración responsable y contextualizada de la IA en el currículo administrativo.
Palabras claves: Educación; Inteligencia Artificial; Administración; Carrera; Currículo.
ABSTRACT
This research explores how to integrate artificial intelligence (AI) into the teaching of
administrative degree programs at a private university in Managua. In light of AI’s growing
presence in higher education and other sectors, the study proposes a pedagogical mediation
model to guide its curricular incorporation.
Using a qualitative approach and a case study design, data were collected through
semi-structured interviews with faculty and students from administrative fields, complemented
by observation of academic activities.
The analysis identified recurring themes and significant patterns. Among the findings, the study
highlights faculty and students’ levels of AI knowledge, their perceptions and experiences, and
the training needs that must be addressed for effective implementation.
Moreover, the research identifies challenges and opportunities related to the application of
pedagogical mediations, assessing the relevance and contributions of the proposed model (Belk
IA) to facilitate the responsible and contextualized integration of AI into the administrative
curriculum.
Keywords: Education; Artificial Intelligence; Administration; Degree program; Curriculum.
Recibido: 8 marzo 2026 | Aceptado: 10 mayo 2026 | Publicado: 11 mayo 2026
DOI: https://doi.org/10.71112/cz992679
1504 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 2, 2026, abril-junio
INTRODUCCIÓN
La irrupción de la inteligencia artificial (IA) como tecnología disruptiva está
transformando la educación superior, por lo que resulta crucial analizar cómo implementar
mediaciones pedagógicas que favorezcan su incorporación en las carreras administrativas.
Aunque la literatura aborda conceptos y aplicaciones de la IA en educación, existe una brecha
en investigaciones específicas para América Latina y Centroamérica, y en particular para el
contexto nicaragüense.
La universidad enfrenta limitaciones como la formación docente insuficiente en
tecnologías emergentes. Además, emergen preocupaciones éticas sobre el uso de la IA y una
percepción de riesgo entre el profesorado, acompañada de un conocimiento parcial de las
herramientas disponibles. Los estudiantes, por su parte, requieren fortalecer habilidades de
análisis crítico para evaluar la veracidad y relevancia de la información.
Frente a este panorama, se propone diseñar un modelo de mediación pedagógica que
articule el uso de la IA en las carreras administrativas. Para construir el modelo se han llevado
a cabo algunos pasos: Inferir en el nivel de conocimiento docente sobre IA y su potencial
pedagógico; identificar necesidades formativas del profesorado para diseñar programas de
capacitación pertinentes; y analizar desafíos éticos vinculados al uso de la IA, proponiendo
estrategias de mitigación.
Integrar la IA de forma contextualizada y responsable puede promover un enfoque
centrado en el estudiante, potenciar el pensamiento crítico y desarrollar competencias
analíticas y reflexivas. Los resultados de esta investigación aspiran a orientar la planificación
educativa y la adopción de tecnologías emergentes, contribuyendo a una formación más
integral y pertinente para enfrentar los retos del siglo XXI en Nicaragua.
DOI: https://doi.org/10.71112/cz992679
1505 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 2, 2026, abril-junio
METODOLOGÍA
El enfoque de este estudio se sitúa dentro del paradigma interpretativo, que combina
enfoques hermenéuticos y constructivistas. A través de la hermenéutica, se busca desentrañar
los significados y contextos que influyen en las experiencias de los participantes. Por otro lado,
el enfoque constructivista se centra en la generación activa del conocimiento a través de las
interacciones y vivencias individuales, enfatizando la subjetividad y el contexto como elementos
clave en el proceso de aprendizaje.
La investigación se basa en un análisis cualitativo, exploratorio, complementado por un
análisis documental que permitirá explorar en profundidad las tres afirmaciones fundamentales
previamente mencionadas. De tipo aplicada. Así mismo, la investigación es no experimental.
En cambio, se centra en la observación de fenómenos tal como ocurren naturalmente, lo que
permite recolectar datos en condiciones reales y minimizar sesgos derivados de intervenciones,
un grupo focal y entrevista a expertos. Además, el estudio se clasifica como investigación de
corte transversal, ya que la recopilación de datos se realiza en un único momento temporal.
Este enfoque es útil para examinar relaciones entre variables en un punto específico, facilitando
la identificación de patrones y relaciones relevantes.
La población del estudio incluye expertos y estudiantes con un conocimiento
significativo sobre la inteligencia artificial y su aplicación en el ámbito educativo.
La población se compone de: Un experto Internacional, expertos Nacionales. También se
incluyen profesionales en áreas como marketing, publicidad, administración, finanzas y
matemáticas, así como académicos, especialista curricular y ex rector. La muestra se
selecciona a través de un muestreo intencionado o no probabilístico.
DOI: https://doi.org/10.71112/cz992679
1506 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 2, 2026, abril-junio
Historia y Evolución de la IA.
Revolución Industrial.
La Primera Revolución Industrial ocurrió en el siglo XVI en Inglaterra. Para el siglo XVIII,
el país contaba con una gran cantidad de fábricas, siendo la industria textil la más destacada.
Este crecimiento impulsó el desarrollo del transporte y las comunicaciones, y se observó un
notable aumento del dominio capitalista.
La Segunda Revolución Industrial se extendió entre 1850 y 1970, y se caracterizó por
avances en las industrias química, eléctrica, del acero y del petróleo. En Estados Unidos, esta
etapa se asocia con la electrificación impulsada por figuras como Thomas Edison, George
Westinghouse y Nikola Tesla. Durante este período, la industria reemplazó el hierro por acero,
sustituyó el vapor por electricidad y petróleo, y hubo una mayor integración de la ciencia en los
procesos industriales.
La Tercera Revolución Industrial, que comenzó en el siglo XX y continúa hasta hoy, ha
traído cambios significativos. En el ámbito tecnológico, se han desarrollado materiales más
ligeros y resistentes, como la fibra óptica y la fibra de vidrio, también se creó Internet, la red
más extensa del mundo.
Para hablar de IA se necesita hablar antes de un término muy popular en los últimos
años, el término "Industria 4.0", este se originó en Alemania a principios de 2011, creado por un
grupo de expertos de diversas disciplinas convocados por el gobierno alemán para desarrollar
un programa que mejorara la productividad en la manufactura.
Se presentó por primera vez en la Feria de Hannover de ese año y rápidamente adquirió
relevancia. En la feria de 2013, el grupo compartió los resultados finales del estudio y anunció
la estrategia del gobierno para llevar a las fábricas a un nuevo nivel evolutivo.
Hoy en día en la misma feria en 2017 la industria 4.0 continuó siendo una tendencia
importante y dentro de esta, la inteligencia artificial.
DOI: https://doi.org/10.71112/cz992679
1507 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 2, 2026, abril-junio
Aunque muchas de las tecnologías actuales ya existían en formas rudimentarias, la
diferencia radica en cómo se combinan hoy para provocar disrupciones significativas.
Entre los pilares tecnológicos de la Industria 4.0 se destacan:
Sistemas de integración, máquinas y sistemas autónomos (robots), internet de las cosas
(IoT), manufactura aditiva, big data y análisis de grandes datos, computación en la nube,
ciberseguridad, realidad aumentada, inteligencia Artificial.
Esta última fundamentada en el desarrollo de algoritmos que permiten a las
computadoras procesar datos a gran velocidad, una tarea que antes requería múltiples
computadoras y personas. Estos algoritmos aprenden de datos y experiencias recientes,
perfeccionándose constantemente y dotando a las máquinas de capacidades cognitivas
similares a las humanas, como visión, lenguaje, comprensión, planificación y toma de
decisiones.
El nombre de Inteligencia Artificial como tal, surgió en la conferencia de John McCarthy
en 1956 en el Dartmouth College, New Hampshire. En el foro, Marvin Minsky, Claude Shannon
y N. Rochester entre otros, discutieron acerca de cómo simular la inteligencia humana a través
de las máquinas.
Ahora bien, según (Gutiérrez, 2006, p.11) la inteligencia artificial es una de las áreas
más fascinantes y con más retos de las ciencias de la Computación ya que ha tomado a la
inteligencia como la característica universalmente aceptada para diferenciar a los humanos de
otras criaturas ya sean vivas o inanimadas, para construir programas o computadoras
inteligentes.
Categorización de la Inteligencia Artificial
En el amplio campo de la inteligencia artificial, hay dos enfoques principales. El primero
es la inteligencia artificial simbólica, que se distingue por su alto nivel de abstracción y un
enfoque detallado. Esta categoría incluye la psicología clásica, los sistemas basados en el
DOI: https://doi.org/10.71112/cz992679
1508 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 2, 2026, abril-junio
conocimiento, el aprendizaje simbólico automático, técnicas de búsqueda y el procesamiento
del lenguaje natural.
El segundo enfoque se caracteriza por un menor nivel de abstracción y modelos
biológicos a nivel microscópico. En esta categoría se incluyen las redes neuronales y los
algoritmos genéticos.
Además de las dos aproximaciones de la inteligencia artificial, han surgido nuevas
herramientas llamadas "inteligencia computacional", que se aplican en la gestión financiera
empresarial, especialmente para manejar información imprecisa.
Las Redes Neuronales
En la década de 1980, los avances tecnológicos y el mayor entendimiento de la
estructura cerebral impulsaron un renacimiento en el interés por las redes neuronales, lo que
permitió hasta el día de hoy la creación de un número creciente de aplicaciones en distintos
campos y con diversos propósitos.
A pesar de las limitaciones de las redes neuronales artificiales para captar todas las
características del cerebro humano, el modelo de redes neuronales artificiales se asemeja
mucho al modelo biológico y se compone, fundamentalmente, de una serie de unidades de
procesamiento, conocidas como neuronas artificiales, que están conectadas mediante
conexiones ponderadas.
Cada unidad recibe señales a través de varias vías de entrada y responde enviando una
señal, que puede ser binaria (0, 1) o real dentro de un rango continuo, a todas las neuronas con
las que tiene conexión de salida.
Matemáticamente, la neurona artificial se puede expresar como la combinación de dos
funciones: la función de estado, que es una función lineal de las variables de entrada,
ponderadas por coeficientes o pesos sinápticos determinados durante el aprendizaje, y cuyo
resultado refleja el nivel de estímulo alcanzado por la neurona. La segunda es la función de
DOI: https://doi.org/10.71112/cz992679
1509 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 2, 2026, abril-junio
transferencia, que toma como variable independiente el potencial y produce como salida la
respuesta de la neurona ante el estímulo proveniente de la variable de entrada (De Andrés,
2000).
Integración de la IA en la Educación Superior
Beneficios y Desafíos de la Inclusión de IA en Programas Educativos
Desde plataformas que analizan el rendimiento y ajustan el contenido en tiempo real,
hasta asistentes virtuales que proporcionan tutoría personalizada, la IA se está incorporando de
manera que redefine la interacción entre docentes y estudiantes en el aula.
El camino hacia la digitalización requiere desafiar paradigmas existentes y seguir un
proceso de mejora continua, donde tanto educadores como estudiantes deben ajustarse y
adoptar nuevas estrategias pedagógicas.
La importancia de la tecnología en el aula radica en su capacidad para mejorar la
experiencia de aprendizaje de los estudiantes ya que tiene el potencial de potenciar la
autonomía de los alumnos y el desarrollo de nuevas habilidades. Además, el uso de la
tecnología puede aumentar la productividad tanto de los profesores como de los estudiantes.
Mediante el uso de tecnologías como la inteligencia artificial y la realidad virtual, los
profesores pueden crear un entorno de aprendizaje más estimulante y atractivo, lo que potencia
la participación activa de los estudiantes en su educación promoviendo su autonomía en el aula
y preparación en habilidades digitales necesarias en el mundo laboral actual.
Inteligencia Artificial y la Educación
La inteligencia artificial tiene diversas aplicaciones en la enseñanza, como la
planificación de clases, la automatización de tareas administrativas, el aprendizaje
personalizado, la creación de contenido educativo personalizado, la evaluación de habilidades
y conocimientos de los estudiantes, y la detección temprana de dificultades de aprendizaje.
DOI: https://doi.org/10.71112/cz992679
1510 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 2, 2026, abril-junio
La integración efectiva de la inteligencia artificial (IA) en el currículo escolar tiene el
potencial de crear un entorno educativo más enriquecedor y equitativo. Uno de los principales
beneficios de esta integración es la capacidad de ofrecer experiencias de aprendizaje
personalizadas, adaptadas a las fortalezas, debilidades y necesidades individuales de cada
estudiante. Al enfocarse en las particularidades de cada alumno, los educadores pueden
ayudarles a alcanzar su máximo potencial académico, fomentando así un desarrollo integral
más sólido.
Desde una perspectiva de equidad, la personalización del aprendizaje a través de la IA
contribuye a generar un entorno más igualitario, donde todos los estudiantes,
independientemente de sus antecedentes o habilidades, tengan las mismas oportunidades de
éxito. Esta democratización del conocimiento y el desarrollo individual es fundamental para
fomentar una educación más inclusiva y de calidad para todos.
Una de las técnicas más destacadas es el uso de chatbots como asistentes virtuales.
Estos programas de IA diseñados para interactuar con los estudiantes pueden proporcionar
información instantánea sobre temas específicos, brindar ejemplos y aclarar dudas. Al tener
acceso a estos recursos educativos disponibles las 24 horas del día, los estudiantes pueden
beneficiarse de un aprendizaje más autónomo y flexible.
Otra técnica relevante es el análisis de datos para monitorear el rendimiento estudiantil.
La IA permite procesar grandes volúmenes de información recopilada en el entorno educativo,
lo que permite a los educadores identificar áreas de mejora y adaptar la enseñanza a las
necesidades individuales de cada estudiante.
Concepto de Mediaciones Pedagógicas
Definición y Características
El concepto de mediación pedagógica se refiere a la manera en que los docentes
facilitan, potencian y hacen posible el desarrollo de aprendizajes y habilidades en sus
DOI: https://doi.org/10.71112/cz992679
1511 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 2, 2026, abril-junio
estudiantes. Los medios utilizados para lograr estos aprendizajes y habilidades pueden incluir
las vivencias y relaciones que se dan en el espacio del aula, así como las actividades y
materiales específicos implementados.
Desde la perspectiva de la escuela activa, se reconoce la necesidad de que los
estudiantes tengan un rol activo en el proceso educativo. Por esta razón, el papel del docente
ha pasado a ser menos central, dando mayor relevancia a los aprendizajes de la vida cotidiana.
Esto permite que los estudiantes adquieran un papel protagónico en el proceso educativo, bajo
la premisa de que se aprende haciendo
Según Gutiérrez (citado por Prieto, 2017), la mediación pedagógica va más allá de ser
un simple recurso didáctico. Más bien, se trata de una acción creativa por parte del docente
que requiere comprender integralmente la naturaleza de lo que se enseña y aprende, así como
las características de los estudiantes y sus realidades contextuales.
El objetivo de esta mediación pedagógica es hacer que el acceso al conocimiento, la
práctica de habilidades y la exploración afectiva del aprendizaje sean más pertinentes,
oportunos y significativos para los estudiantes. Esto se logra a través de un adecuado manejo
teórico-práctico de los principios de la pedagogía, como la educabilidad (relacionada con
entender al sujeto que aprende) y la enseñabilidad (referida al dominio epistemológico de la
ciencia a enseñar).
En otras palabras, la mediación pedagógica implica una intencionalidad formativa que
va más allá de simples recursos didácticos, pues requiere que el docente integre el
conocimiento disciplinar, el entendimiento de los estudiantes y un enfoque deliberado en el
proceso de enseñanza-aprendizaje, con el fin de facilitar aprendizajes relevantes y
significativos. Esto refuerza la idea de la mediación como una clave para una educación
humanizante y transformadora desde la comunicación (Alzate-Ortiz & Castañeda-Patiño, 2020)
DOI: https://doi.org/10.71112/cz992679
1512 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 2, 2026, abril-junio
Rol del Docente en las Mediaciones Pedagógicas
La formación del profesorado constituye un aspecto fundamental, debiendo adquirir
competencias para integrar de manera eficaz las tecnologías digitales en sus prácticas
pedagógicas, trascendiendo el mero dominio instrumental de las mismas. Actualmente en el
contexto nicaragüense, se ha identificado la necesidad de fortalecer competencias específicas
para integrar la IA en los procesos de enseñanza (Hernández & Martínez, 2021), utilizando
estrategias de mediación adecuadas a la docencia universitaria (Gutiérrez & Espinoza, 2022).
Asimismo, es preciso fomentar actividades que favorezcan la creatividad, permitiendo a los
estudiantes emplear las herramientas tecnológicas de forma innovadora, lo cual contribuye al
desarrollo de su pensamiento crítico, capacidad de resolución de problemas y expresión
artística.
En este sentido, resulta necesario que las nuevas alfabetizaciones y el uso de las
tecnologías digitales se encuentren plenamente integrados dentro del currículo educativo,
dejando de ser concebidos como elementos periféricos o complementarios, para pasar a
constituir una parte medular del proceso de enseñanza-aprendizaje. En este sentido, la
alfabetización en IA es esencial desde la formación inicial para asegurar la aceptabilidad
tecnológica de estas herramientas (Ayuso-del Puerto & Gutiérrez-Esteban, 2022; Cabero-
Almenara et al., 2022).
Si bien el texto digital continúa siendo un pilar fundamental en la expresión narrativa,
actualmente se fusiona con una diversidad de medios, tales como imágenes, videos, audio y
elementos hápticos (que involucran el sentido del tacto) (Koenitz, 2023).
Estas aplicaciones, en su mayoría, han permanecido en el ámbito académico de las
ciencias de la computación, y su adopción en entornos educativos reales ha sido restringida.
En definitiva, el texto digital ya no se concibe de manera aislada, sino que se funde con una
variedad de medios, dando lugar a experiencias narrativas más complejas y envolventes, lo
DOI: https://doi.org/10.71112/cz992679
1513 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 2, 2026, abril-junio
cual representa tanto nuevas oportunidades como desafíos para los autores y creadores en el
campo de la expresión narrativa digital.
Desde la aparición a finales de 2022 del ChatGPT y su acelerada difusión a nivel
popular, el número de herramientas informáticas que incluyen algún tipo de característica
inteligente se ha visto incrementado en los últimos meses. García Peñalvo et al. (2024)
atribuyen este crecimiento al importante desarrollo de los Modelos de Lenguaje Grandes (LLM),
que se ha popularizado con la aparición del ChatGPT y otras herramientas de Inteligencia
Artificial generativa como Llama, Bardo GPT-4. Estas herramientas interactúan con los usuarios
proporcionándoles un fragmento de texto (llamado "prompt"), al que responden generando un
texto redactado de manera coherente.
Sin embargo, esto no significa que estos algoritmos no cometan con frecuencia errores,
desvaríos, alucinaciones o invenciones.
El aumento significativo en el número de aplicaciones de IA, tanto gratuitas como de
pago, ha generado la aparición de directorios y repositorios que recopilan y clasifican estas
herramientas en diversos campos y servicios, incluyendo el ámbito educativo. Algunos de los
repositorios más destacados y de acceso libre son Futurepedia, All Things AI, Best AI Tools,
Letsview AIDIR y There's An AI For That.
Algunas funciones clave del docente mediador incluyen establecer objetivos de
aprendizaje claros y alcanzables, alineados con el desarrollo de competencias. Además, deben
seleccionar y utilizar diversos materiales didácticos que apoyen el proceso de aprendizaje,
empleando un lenguaje claro y adaptado a los estudiantes, fomentando la participación y la
comprensión.
El análisis de grandes volúmenes de datos (big data) es una de las aportaciones más
importantes de la Inteligencia Artificial al diseño instruccional. Este análisis permite identificar
DOI: https://doi.org/10.71112/cz992679
1514 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 2, 2026, abril-junio
patrones de comportamiento y preferencias de los estudiantes, lo que facilita la personalización
de los contenidos y recursos de aprendizaje.
Nivel Centrado en la Administración
El uso de la inteligencia artificial en la gestión empresarial se enfoca principalmente en
el desarrollo de sistemas inteligentes. Estos sistemas están destinados a apoyar los análisis
complejos necesarios para identificar tendencias en el negocio, lo que facilita la toma de
decisiones efectivas y en tiempo.
Esto permite a los responsables de las decisiones enfrentar los desafíos del entorno
empresarial actual, donde el conocimiento se convierte en un factor clave para el crecimiento
de las organizaciones.
Los sistemas expertos
Los sistemas expertos se pueden definir de manera general como sistemas informáticos
(que abarcan tanto hardware como software) que recopilan y simulan el razonamiento de
expertos humanos en un campo específico del conocimiento. Estos sistemas son capaces de
procesar y almacenar información, aprender y razonar en situaciones tanto determinísticas
como inciertas, comunicarse con humanos y/o otros sistemas expertos, tomar decisiones
adecuadas y explicar las razones detrás de esas decisiones. Así, los sistemas expertos
funcionan como consultores que pueden ofrecer asistencia a un experto humano con un grado
razonable de credibilidad.
Según O'Leary (1995), citado por Suárez (2000), hay dos enfoques para la creación de
sistemas expertos:
El primer enfoque implica la incorporación del conocimiento acumulado por expertos
humanos a lo largo de su carrera profesional, resultando en lo que se conoce como sistema
experto. El principal desafío de este enfoque está relacionado con la captura de información,
que debe realizarse mediante entrevistas a expertos en un dominio específico o a través de la
DOI: https://doi.org/10.71112/cz992679
1515 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 2, 2026, abril-junio
observación de su comportamiento mediante análisis de protocolos. Esto puede generar
bloqueos o cuellos de botella en el desarrollo de la aplicación.
El segundo enfoque se centra en desarrollar programas informáticos que puedan
generar conocimiento a partir del análisis de datos empíricos, utilizando ese conocimiento para
hacer inferencias sobre nuevos datos. De este enfoque surgen procedimientos conocidos como
aprendizaje automático (Machine Learning) y minería de datos (Data Mining), que permiten
transformar una base de datos en una base de conocimiento. Este segundo enfoque es uno de
los más utilizados en el diseño de sistemas expertos.
Minería de datos
Actualmente, las técnicas de minería de datos tienen múltiples aplicaciones en el ámbito
empresarial, tales como: identificación de clientes propensos a responder a ofertas de
productos y servicios por correo, análisis de lealtad de clientes, selección de ubicaciones para
tiendas, afinidad entre productos, análisis de clientes, aprobación de préstamos, determinación
de montos de crédito, detección de fraudes y comportamientos inusuales en servicios
telefónicos, seguros, tarjetas de crédito, electricidad y evasión fiscal; además de segmentación
de mercado (clustering), evaluación de audiencias de programas televisivos y organización de
tiendas (Varcárcel, Asencios, 2004
Desde esta perspectiva administrativa, la IA puede aportar valor en actividades como el
marketing y la promoción de los centros, la planificación curricular y la asignación eficiente de
recursos. Asimismo, la IA resulta muy útil en procesos de evaluación, personalización y
adaptación de los contenidos y experiencias de aprendizaje, así como en el apoyo a la tutoría y
el acompañamiento de los estudiantes fuera del aula.
Este cambio metodológico, basado en la generación de contenidos y experiencias de
aprendizaje personalizadas, tiene como objetivo prevenir el abandono escolar y mejorar los
resultados y la calidad general de la enseñanza.
DOI: https://doi.org/10.71112/cz992679
1516 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 2, 2026, abril-junio
Fullan et al. (2018) señalan que la acción de replantear la educación ha de estar dirigida
a desarrollar las competencias requeridas por el alumnado del siglo XXI. Como resultado de su
trabajo, los autores identificaron seis competencias globales (6Cs) necesarias para el
florecimiento del estudiantado: carácter, ciudadanía, colaboración, comunicación, creatividad y
pensamiento crítico.
En cuanto al papel que debe desempeñar el cuerpo docente, el Perfil del Rol de (los)
(las) Educadores(as) (ERP por sus siglas en inglés Educator Role Profile) propuesto por Kolb et
al. (2014), citados por Kolb (2014), distingue cuatro roles principales dentro de los cuales el
profesorado se mueve al desempeñar su función a lo largo de las diferentes etapas del
aprendizaje experiencial.
Estos roles son: facilitador, experto, evaluador y coach. Las etapas del proceso del
aprendizaje experiencial pueden tener diferencias y no siempre siguen un orden ni un tiempo
determinado, sin embargo, alguno de los cuatro roles puede ser más adecuado para ciertos
momentos.
Aprendizaje colaborativo y constructivista: Integración de la IA para Fomentar la
colaboración y el aprendizaje activo
El aprendizaje colaborativo se enmarca dentro de los enfoques constructivistas del
proceso de enseñanza-aprendizaje. Estos enfoques conciben al estudiante como un agente
activo en la construcción de su propio conocimiento, a través de la interacción y la participación
social (Vygotsky, 1978).
En este sentido, el aprendizaje colaborativo se basa en la premisa de que el
conocimiento se construye mediante la discusión, reflexión y toma de decisiones conjunta entre
dos o más sujetos (Johnson & Johnson, 1999).
DOI: https://doi.org/10.71112/cz992679
1517 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 2, 2026, abril-junio
Desde esta perspectiva, el aprendizaje se fomenta a través de la interdependencia
positiva, la responsabilidad individual y la interacción promotora entre los participantes (Slavin,
1995).
Diversas investigaciones han señalado que este enfoque pedagógico favorece un
aprendizaje más profundo y significativo, tanto en contextos presenciales como virtuales (Resta
& Laferrière, 2007; Dillenbourg, 1999). En conclusión, el aprendizaje colaborativo se erige como
un mecanismo eficaz para promover la construcción social del conocimiento, acorde con los
principios del constructivismo.
Guitert y Giménez (2000)
1
definen el aprendizaje colaborativo como un proceso social
en el que, a través del trabajo en conjunto y el establecimiento de metas y objetivos comunes,
se genera una construcción colectiva de conocimientos.
En esta línea, Ritzer (1994)
2
afirma que el aprendizaje colaborativo surge de la
intersubjetividad, al compartir con otros el espacio y el tiempo para crear un conocimiento
conjunto.
De esta manera, el trabajo colaborativo se ha convertido en una habilidad fundamental
que los estudiantes deben desarrollar, debido a que el contexto globalizado requiere personas
con una amplia perspectiva que puedan integrarse a procesos multidisciplinares en el ejercicio
de sus actividades profesionales.
El entorno de aprendizaje colaborativo brinda a los estudiantes la oportunidad de
expresar y defender sus ideas, generando así su propio conocimiento a través de la reflexión,
la discusión con sus compañeros, el intercambio de diferentes puntos de vista y los
cuestionamientos planteados.
1
Guitert, M., & Giménez, F. (2000). Trabajo cooperativo en entornos virtuales de aprendizaje. Aprender de la
virtualidad, 10, 10-31.
2
Ritzer, G. (1994). Teoría sociológica clásica. McGraw-Hill.
DOI: https://doi.org/10.71112/cz992679
1518 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 2, 2026, abril-junio
Este proceso les permite desarrollar habilidades cognitivas complejas, como la gestión,
la organización, el análisis crítico y la resolución de problemas.
Además, el aprendizaje colaborativo fomenta el desarrollo de competencias
transversales, necesarias para la planificación del tiempo, la comunicación, la toma de
decisiones, así como la capacidad innovadora y creativa, tal como señala Casamayor (2010).
De esta manera, el aprendizaje colaborativo va más allá de la mera construcción de
conocimientos, permitiendo a los estudiantes adquirir un conjunto de habilidades
fundamentales para su desarrollo personal y profesional en el contexto actual.
Desafíos en la Implementación de la IA en Educación
Desafíos éticos de la IA en Educación.
A medida que la inteligencia artificial (IA) se integra cada vez más en los sistemas
educativos, surge una preocupación creciente sobre los desafíos éticos que plantea su
implementación.
Uno de los principales problemas es el riesgo de sesgos algorítmicos, donde los
sistemas de IA pueden reflejar y perpetuar prejuicios existentes en los datos de entrenamiento,
lo que puede conducir a decisiones injustas en procesos clave como admisiones, evaluaciones
y asignación de recursos (Susskind, 2020).
Para abordar estos desafíos éticos, se hace necesario el desarrollo de marcos legales y
de políticas que regulen el uso de la IA en la educación, con la participación activa de todas las
partes interesadas, incluidos educadores, expertos en ética y estudiantes (Boninger et al.,
2020). Solo a través de una gobernanza y una implementación ética de la IA en la educación se
podrán maximizar sus beneficios mientras se mitigan los riesgos y se protege el bienestar de
los estudiantes. Estos desafíos críticos de privacidad y ética requieren marcos regulatorios
claros en la educación superior (Amén-Mora et al., 2024; Fernández & Torres, 2022),
DOI: https://doi.org/10.71112/cz992679
1519 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 2, 2026, abril-junio
considerando las percepciones y oportunidades ya exploradas en el contexto nicaragüense
(Mora & Cortés, 2018; Reyes & Álvarez, 2020).
RESULTADOS
Los resultados de las entrevistas muestran una creciente familiaridad y uso de
herramientas de inteligencia artificial en contextos educativos, aunque con niveles de
experiencia variados entre los informantes.
Algunos expertos integran la IA en sus clases para mejorar redacción, curaduría de
información y promover un uso responsable, mientras que otros presentan resistencia al
cambio; por su parte, un experto ha experimentado con numerosas herramientas enfocadas en
resúmenes y búsqueda de información.
Los entrevistados coinciden en la relevancia de aplicaciones como la personalización
del aprendizaje, la creación de contenidos y los sistemas de tutoría adaptativa, pero subrayan
la necesidad de formación práctica docente, talleres, creación de prompts y bibliotecas virtuales
y de recursos institucionales que faciliten su adopción. Además, emergen desafíos éticos y de
privacidad (dependencia tecnológica, plagio y reconocimiento de autoría) que requieren
políticas claras, códigos de conducta y educación en uso responsable para docentes y
estudiantes.
El análisis del grupo focal y la observación de clases confirman que, aunque los
estudiantes muestran interés y pensamiento crítico respecto a la IA, su uso suele estar
estigmatizado por algunos docentes y es limitado por el desconocimiento técnico: en particular,
los alumnos desconocen cómo redactar prompts efectivos, aplicar la IA para integrar normas
APA 7 y comprender plenamente las implicaciones éticas.
En las sesiones observadas se emplearon metodologías mixtas (exposición y trabajo
grupal) y demostraciones de herramientas, pero la falta de habilidades prácticas provocó
DOI: https://doi.org/10.71112/cz992679
1520 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 2, 2026, abril-junio
confusión al operacionalizar variables y al aprovechar los resultados generados por IA. Para
avanzar, se recomienda un modelo de mediación pedagógica flexible y centrado en el
estudiante que combine capacitación continua para el profesorado, integración tecnológica en
el currículo, evaluación constante de resultados y espacios colaborativos donde docentes y
estudiantes co-diseñen y experimenten con soluciones que prioricen la ética, la privacidad y la
mejora del aprendizaje.
Tabla 1.
Tabla de Triangulación entre Instrumentos.
Aspecto
Guía de
Observación de
Clases
Entrevistas a
Participantes
Grupo Focal
Patrón Común
Conocimiento de
IA
Observaciones
indican
conocimiento
básico entre
estudiantes.
Participantes
evalúan su
conocimiento como
básico o intermedio.
La mayoría tiene un
conocimiento básico o
intermedio sobre IA.
Existe un consenso
en la falta de
conocimiento
profundo sobre IA.
Aplicaciones en
Educación
Mencionan el uso
de IA para tutorías
y corrección
automática.
Discuten
aplicaciones como
personalización del
aprendizaje y
automatización.
Hablan de
personalización,
retroalimentación
instantánea y
automatización.
La IA se ve como
una herramienta útil
para mejorar
procesos educativos.
Necesidades de
Formación
Se observa falta
de capacitación en
el uso efectivo de
la IA.
Se identifican
necesidades de
capacitación en uso
y ética de la IA.
Se mencionan
necesidades de
formación en el uso
práctico y ético de la
IA.
Todos coinciden en
la necesidad de
capacitación para
docentes y
estudiantes.
Desafíos Éticos
Se menciona la
falta de
comprensión de la
ética en el uso de
IA.
Se identifican
preocupaciones
sobre el acceso
desigual y la
privacidad.
Se discuten sesgos en
los algoritmos y la
dependencia excesiva.
Hay una
preocupación
generalizada sobre
los desafíos éticos
en la implementación
de IA.
DOI: https://doi.org/10.71112/cz992679
1521 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 2, 2026, abril-junio
Interacción
Docente-
Estudiante
Se observa
participación
moderada;
algunos
estudiantes dudan
en participar.
Se menciona la
importancia de la
interacción para un
aprendizaje efectivo.
La interacción y el
aprendizaje activo son
cruciales para el
compromiso.
La interacción entre
docentes y
estudiantes es
esencial para el
aprendizaje.
Mediaciones
Pedagógicas
Se utilizan
recursos como
PowerPoint, pero
falta práctica en
IA.
Se discuten
características
esenciales para un
modelo pedagógico
que integre IA.
Se menciona la
personalización y la
accesibilidad como
claves en el modelo
pedagógico.
La integración de IA
debe centrarse en la
personalización y en
ser una herramienta
de apoyo.
Fuente: Elaboración propia.
DISCUSIÓN
Los resultados de la triangulación de instrumentos evidencian una comprensión
generalizada pero superficial de la inteligencia artificial (IA) entre docentes y estudiantes, lo que
configura una clara brecha formativa que limita la aplicación pedagógica efectiva de estas
tecnologías. Este hallazgo coincide con la literatura revisada (p. ej., Hernández & Martínez,
2021; Gutiérrez & Espinoza, 2022), que subraya la necesidad de competencias docentes
específicas y formación continua.
Desde una perspectiva teórica, la Teoría Constructivista explica cómo el aprendizaje se
fortalece mediante la experiencia y la reflexión activa, lo que sugiere que las intervenciones
formativas deben privilegiar actividades prácticas y contextualizadas (Bruner, citado en la
literatura). Complementariamente, la Teoría del Aprendizaje Social aporta un marco para el
aprendizaje mediante observación y modelado, indicando que entornos colaborativos y el
ejemplo de pares competentes pueden potenciar la autoeficacia docente y acelerar la adopción
de buenas prácticas en IA.
DOI: https://doi.org/10.71112/cz992679
1522 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 2, 2026, abril-junio
En suma, integrar elementos de ambas teorías favorece una mediación pedagógica que
no solo transmite conocimientos técnicos, sino que promueve la construcción activa y social del
saber.
Las implicaciones prácticas son múltiples y requieren respuestas institucionales
coordinadas. En primer lugar, los programas de capacitación deben ser modulares y
diferenciados (inicio, intermedio, avanzado), centrados en habilidades concretas como la
redacción de prompts, la integración de normas APA 7 mediante herramientas de IA y la toma
de decisiones éticas en el tratamiento de datos; además, deben combinar formación técnica,
didáctica y ética, tal como recomiendan estudios previos (Amén Mora et al., 2024; Núñez
Michuy et al., 2023).
En segundo lugar, es urgente desarrollar políticas institucionales claras sobre
privacidad, gobernanza de datos y criterios evaluativos para el uso de IA en procesos de
enseñanza y evaluación, acompañadas de soporte técnico permanente.
Las observaciones de aula muestran que cuando existe acompañamiento práctico del
docente, los estudiantes logran emplear la IA de forma efectiva; por tanto, la integración de la
IA debe incorporarse desde la planificación instruccional (objetivos, actividades, evidencias) y
no actuar como un añadido puntual.
Finalmente, dado el consenso entre instrumentos sobre riesgos de equidad, las
estrategias deben asegurar acceso y formación equitativos para evitar la ampliación de brechas
existentes. Estas recomendaciones orientan futuras investigaciones evaluativas y diseñadas
experimentalmente que prueben la eficacia de modelos de mediación pedagógica y planes de
alfabetización en IA en contextos universitarios.
DOI: https://doi.org/10.71112/cz992679
1523 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 2, 2026, abril-junio
CONCLUSIONES
Con la investigación realizada queda de manifiesto, que la comprensión de los docentes
de carreras administrativas sobre las tecnologías de IA y su potencial aplicación en la
enseñanza y el aprendizaje no es suficiente para incorporar IA en las aulas de clases, ya que
esta tecnología es reciente y parecen abrumadores los rápidos cambios por parte de los
docentes universitarios.
Se ha conseguido plantear las necesidades específicas de los docentes en cuanto a la
formación y capacitación en el uso de la inteligencia artificial como herramienta de mediación
pedagógica, para poder diseñar programas de formación que se ajusten a sus requerimientos.
Se ha desarrollado un compendio sobre los desafíos éticos derivados del uso de la
inteligencia artificial en el ámbito educativo, con el propósito de identificar estrategias efectivas
para abordar y mitigar dichos desafíos para el modelo de mediación pedagógica en la
universidad de estudio.
Por tanto, se presenta un modelo de mediación pedagógica que involucra la integración
de la Inteligencia Artificial en las carreras administrativas y comprende marco conceptual
principios rectores y justificación, gobernanza, Mediaciones Organizacionales (Gobernanza,
Políticas e Infraestructura), medicaciones curriculares y coherencia, evaluativas y ética,
investigación mejora continua y escalamiento, ejemplo práctico integrador, prefactibilidad
económica y gestión de riesgo.
El modelo, resultado de investigación, es genérico y puede contextualizarse a otras
carreras y otras universidades, lo cual contribuirá al desarrollo del pensamiento crítico en la
educación universitaria en Nicaragua y partiendo de un caso de estudio en universidad privada,
con el fin de promover el aprendizaje significativo.
DOI: https://doi.org/10.71112/cz992679
1524 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 2, 2026, abril-junio
Declaración de conflicto de intereses
La autora declara que no existe ningún conflicto de intereses financiero, personal o
profesional que pudiera haber influido en la realización o en la interpretación de esta
investigación.
Declaración de contribución a la autoría
MBA Belkis Indira Reyes Vanegas: metodología, conceptualización, redacción del
borrador original.
Declaración de uso de inteligencia artificial
Se utilizó herramientas de inteligencia artificial para asistir en actividades concretas de
redacción y edición del manuscrito, tales como la elaboración de formulaciones preliminares y
la corrección estilística. Las propuestas generadas por estas herramientas fueron evaluadas de
manera crítica, ajustadas cuando resultó pertinente y finalmente aprobadas por el autor. El
firmante asume la responsabilidad intelectual del trabajo y declaran que el empleo de IA no
reemplazó decisiones ni juicios sustantivos relativos al contenido, al análisis o a las
conclusiones del estudio.
REFERENCIAS
ASHTON, T.S (1974): “La Revolución Industrial” (1760-1830), México, FCE
HOBSBAWN, E.J (1991) “La Era de la Revolución (1789-1848”), Barcelona: Labor
Joyanes Aguilar, L. (2017). Industria 4.0: La cuarta revolución industrial. Alfaomega.
Alzate-Ortiz, F. A., & Castañeda-Patiño, J. C. (2020). Mediación pedagógica: Clave de una
educación humanizante y transformadora. Una mirada desde la estética y la
comunicación. Revista Electrónica Educare, 24(1), 411–424.
https://doi.org/10.15359/ree.24-1.21
DOI: https://doi.org/10.71112/cz992679
1525 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 2, 2026, abril-junio
Amén-Mora, P., Zavala-Baque, D. L., Moran-Lozano, N. S., & Intriago-Terán, A. B. (2024).
Desafíos éticos y de privacidad en la implementación de la inteligencia artificial en la
educación superior. Revista de Educación y Tecnología, 15(2), 45–60.
https://reicomunicar.org/index.php/reicomunicar/article/view/333
Ayuso-del Puerto, D., & Gutiérrez-Esteban, P. (2022). La inteligencia artificial como recurso
educativo durante la formación inicial del profesorado [Trabajo académico, Universidad
de Extremadura]. https://dialnet.unirioja.es/servlet/articulo?codigo=8485808
Boninger, F., Molnar, A., y Saldaña, C. (2020). Personalized learning and the digital
privatization of curriculum and teaching. National Education Policy Center.
https://files.eric.ed.gov/fulltext/ED595239.pdf
Galván-Fernández, C., y Calderón-Garrido, D. (2024). From educability to technology
acceptability and Artificial Intelligence literacy: Validation of an instrument. Digital
Education Review https://dialnet.unirioja.es/servlet/articulo?codigo=9624294
Cabero-Almenara, J., Llorente-Cejudo, C., Basilotta-Gómez-Pablos, V., & Palacios-Rodríguez,
A. (2025). Los estudiantes como evaluadores de objetos de aprendizaje en realidad
virtual: usabilidad y valoración técnica y estética. Edutec, Revista Electrónica De
Tecnología Educativa, (93), 209–232. https://doi.org/10.21556/edutec.2025.93.4069
Prendes Espinosa, M. P., y Sánchez Vera, M. M. (2008). Portafolio electrónico: posibilidades
para los docentes. Pixel-Bit. Revista de Medios y Educación, (32), 21–34.
http://www.redalyc.org/articulo.oa?id=36803202
Contreras Domingo, J. (2010). La autonomía del profesorado (3ra ed.). Morata
https://dialnet.unirioja.es/servlet/libro?codigo=53775
De Andrés Suárez, J. (2000). La utilización de redes neuronales artificiales en el análisis de la
información contable-financiera. Universidad de Oviedo.
https://digibuo.uniovi.es/dspace/handle/10651/45810
DOI: https://doi.org/10.71112/cz992679
1526 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 2, 2026, abril-junio
Figueroa Chichande, . X. S., Martillo Gallardo, N. M., Martínez Márquez, T. B., & Torres
Rodríguez, M. C. (2024). La Ética En La Inteligencia Artificial, Desafíos Y Oportunidades
Para La Sociedad Moderna. Sage Sphere International Journal.
https://sagespherejournal.com/index.php/SSIJ/article/view/1
Fullan, M., Quinn, J., & McEachen, J. (2018). Engage the World, Change the World. In M. F.
McEachen (Ed.), Deep Learning. Corwin, a Sage Company.
https://www.scirp.org/reference/referencespapers?referenceid=3753638
García-Peñalvo, F. J., Vázquez-Ingelmo, A., y García-Holgado, A. (2024). La IA generativa en
la educación superior: Aspectos éticos y desafíos. Education in the Knowledge Society
(EKS), 25, Artículo e31885. https://repositorio.grial.eu/items/15331f4d-3e9c-4e08-824a-
9476a334ab4a
Guitert, M., y Pérez-Mateo, M. (2013). La colaboración en la red: hacia una definición de
aprendizaje colaborativo en entornos virtuales. TESI: Teoría de la Educación. Educación
y Cultura en la Sociedad de la Información, 14(1), 10–31.
https://www.redalyc.org/articulo.oa?id=201025739002
Duart, J. M., y Sangrà, A. (Coords.). (2000). Aprender en la virtualidad. Gedisa; Universitat
Oberta de Catalunya. https://dialnet.unirioja.es/servlet/libro?codigo=10211
Villaplana, Á. (2024). Claudio Gutiérrez: en los albores de la inteligencia artificial. Revista de
Filosofía de la Universidad de Costa Rica, 63, 241-252.
https://doi.org/10.15517/revfil.2024.58418
Lanuza-Saavedra, E. M. (2024). La inteligencia artificial (IA) en la educación universitaria:
Retos para docentes de UNAN-Managua/CUR Estelí en su aprovechamiento para
facilitar procesos de aprendizaje. Revista Científica de FAREM-Estelí, 13(2), 114–128.
https://doi.org/10.5377/esteli.v13i2.19807
DOI: https://doi.org/10.71112/cz992679
1527 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 2, 2026, abril-junio
Johnson, D. W., Johnson, R. T., y Holubec, E. J. (1999). El aprendizaje cooperativo en el aula.
Paidós. https://www.ucm.es/data/cont/docs/1626-2019-03-15-
Koenitz, H. (2023). Understanding interactive narrative: Theory and practice of digitized
storytelling and RAMDIC. Routledge. https://doi.org/10.4324/9781003106425
Kolb, D. A. (2014). Experiential learning: Experience as the source of learning and development
(2da ed.). Pearson Education.
https://www.researchgate.net/publication/315793484_Experiential_Learning_Experience_as_th
e_source_of_Learning_and_Development_Second_Edition
Mora, G., & Cortés, E. (2018). Desafíos y oportunidades de la inteligencia artificial en la
educación superior de Nicaragua. Revista Electrónica Educativa, 25(2), 115–132.
Gracia Loor, J. M., & Panchano Valencia, A. M. (2025). Desafíos y Oportunidades de la
Inteligencia Artificial en la Educación: Una Revisión Sistemática. ASCE, 4(2), 185–200.
https://doi.org/10.70577/ASCE/185.200/2025
Hasan, A. (2022) Artificial Intelligence (AI) in Accounting & Auditing: A Literature Review. Open
Journal of Business and Management, 10, 440-465. doi: 10.4236/ojbm.2022.101026.
https://www.scirp.org/journal/paperinformation?paperid=115007
Prieto Castillo, D. (2017). La mediación pedagógica: Apuntes para una educación a distancia
alternativa. Universidad de Buenos Aires.
https://publicaciones.uazuay.edu.ec/index.php/ceuazuay/catalog/download/369/779/140
1?inline=1
Goikoetxea, E., y Pascual, G. (2002). Aprendizaje cooperativo: Bases teóricas y hallazgos
empíricos que explican su eficacia. Educación XX1, (5), 227–247.
https://www.redalyc.org/articulo.oa?id=70600512
Susskind, D. (2020). Un mundo sin trabajo: Tecnología, automatización y cómo deberíamos
responder. Paidós. https://journals.openedition.org/nrt/20034
DOI: https://doi.org/10.71112/cz992679
1528 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 2, 2026, abril-junio
Vergel Causado, R. (2014). El signo en Vygotski y su vínculo con el desarrollo de los procesos
psicológicos superiores. Revista Folios, (39), 65–76.
http://www.redalyc.org/articulo.oa?id=345932042005
Grupo de Investigación en Sistemas Inteligentes. Facultad de Estudios Superiores Cuautitlán.
Universidad Nacional Autónoma de México.2018. Esta página puede ser reproducida
con fines no lucrativos, siempre y cuando no se mutile, se cite la fuente completa y su
dirección electrónica. De otra forma, requiere permiso previo por escrito de la institución.
https://virtual.cuautitlan.unam.mx/intar/?page_id=200
Valcárcel, N., y Asencios, R. (2004). Minería de datos: Conceptos y aplicaciones empresariales.
Universidad Nacional Mayor de San Marcos.
https://www.redalyc.org/pdf/816/81670213.pdf
