Forma Descripción generada automáticamente
Forma Descripción generada automáticamente
Revista Multidisciplinar Epistemología de las Ciencias
Volumen 3, Número 4, 2026, octubre-diciembre
DOI: https://doi.org/10.71112/yx2sk392
INTELIGENCIA ARTIFICIAL GENERATIVA EN LA EDUCACIÓN MEDIA SUPERIOR:
APLICACIONES, RESULTADOS, DESAFÍOS Y CONSIDERACIONES ÉTICAS. UNA
REVISIÓN SISTEMÁTICA
GENERATIVE ARTIFICIAL INTELLIGENCE IN UPPER SECONDARY EDUCATION:
APPLICATIONS, OUTCOMES, CHALLENGES AND ETHICAL CONSIDERATIONS. A
SYSTEMATIC REVIEW
Martha Laura Guzmán Zúñiga
Abdías Ortega León
José Raúl López Galván
Luis Julián Carranza del Ángel
Juan Ricardo Batres Solórzano
México
DOI: https://doi.org/10.71112/yx2sk392
837 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 4, 2026, octubre-diciembre
Inteligencia artificial generativa en la Educación Media Superior: aplicaciones,
resultados, desafíos y consideraciones éticas. Una revisión sistemática
Generative artificial intelligence in Upper Secondary Education: applications,
outcomes, challenges and ethical considerations. A systematic review
Martha Laura Guzmán Zúñiga
a,*
marthalaura.guzman.ce109@dgeti.sems.gob.mx
https://orcid.org/0009-0009-6172-9974
Luis Julián Carranza del Ángel
a
luisjulian.carranza.ce78@dgeti.sems.gob.mx
https://orcid.org/0009-0008-7706-9264
Abdías Ortega León
a
abdias.ortega.ce109@dgeti.sems.gob.mx
https://orcid.org/0009-0002-7694-6516
Juan Ricardo Batres Solórzano
a
juanricardo.batres.ce109@dgeti.sems.gob.mx
https://orcid.org/0009-0009-9039-7876
José Raúl López Galván
a
joseraul.lopez.ce109@dgeti.sems.gob.mx
https://orcid.org/0009-0001-7101-996X
*
Autor de correspondencia: marthalaura.guzman.ce109@dgeti.sems.gob.mx,
a
Dirección
General de Educación Tecnológica Industrial y de Servicios (DGETI), México
RESUMEN
Esta revisión sistemática analizó aplicaciones, resultados, desafíos y consideraciones éticas de
la inteligencia artificial generativa (IAG) en Educación Media Superior. Se buscaron estudios
publicados entre 2022 y agosto de 2026 en Google Scholar, SciELO, Redalyc y Dialnet. El
corpus final comprendió 32 estudios empíricos únicos y se examinó mediante síntesis
cualitativa integradora. Las aplicaciones incluyeron escritura, idiomas, matemáticas, ciencias,
programación, tutoría y retroalimentación. Los resultados fueron heterogéneos: se identificaron
DOI: https://doi.org/10.71112/yx2sk392
838 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 4, 2026, octubre-diciembre
efectos favorables, nulos, negativos y mixtos. La utilidad percibida y el desempeño con
asistencia no equivalen necesariamente al aprendizaje independiente. Entre los desafíos
destacaron dependencia cognitiva, confiabilidad, equidad, integridad académica y privacidad.
Se concluye que el potencial educativo de la IAG depende del diseño pedagógico y de
estrategias que preserven la autonomía y el pensamiento crítico. Se necesitan más estudios
comparativos que evalúen el desempeño sin asistencia para aclarar sus efectos en el
aprendizaje
Palabras clave: inteligencia artificial generativa; Educación Media Superior; ChatGPT;
aprendizaje; revisión sistemática.
ABSTRACT
This systematic review examined the applications, outcomes, challenges, and ethical
considerations of generative artificial intelligence (GenAI) in upper secondary education. Studies
published between 2022 and August 2026 were searched in Google Scholar, SciELO, Redalyc,
and Dialnet. The final corpus comprised 32 unique empirical studies, examined through an
integrative qualitative synthesis. Applications included writing, language learning, mathematics,
science, programming, tutoring, and feedback. Findings were heterogeneous, including positive,
null, negative, and mixed outcomes. Perceived usefulness and AI-assisted performance do not
necessarily indicate independent learning. Key challenges involved cognitive dependence,
reliability, equity, academic integrity, and privacy. The educational potential of GenAI depends
on pedagogical design and approaches that preserve learner autonomy and critical thinking.
Further comparative studies assessing unassisted performance are needed to clarify its effects
on learning.
Keywords: generative artificial intelligence; upper secondary education; ChatGPT; learning;
systematic review.
DOI: https://doi.org/10.71112/yx2sk392
839 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 4, 2026, octubre-diciembre
Recibido: 10 octubre 2026 | Aceptado: 27 octubre 2026 | Publicado: 28 octubre 2026
INTRODUCCIÓN
La inteligencia artificial generativa (IAG) se ha incorporado a tareas escolares,
resolución de problemas y preparación docente. ChatGPT destaca en la investigación sobre
educación media superior y niveles equivalentes (Alpizar Garrido y Martínez Ruiz, 2024; Bueie
et al., 2026; Torres Nabel y Basilio Rizo, 2025).
La Educación Media Superior (EMS) exige autonomía y pensamiento crítico, pero
presenta desigualdades de acceso, competencias digitales y acompañamiento docente. Por
ello, los resultados de educación superior no son directamente extrapolables a este nivel.
Las aplicaciones documentadas incluyen escritura (German, 2026; Lu y Zeng, 2025;
Maghamil y Sieras, 2024), lenguas (Acosta-Rivera y Bedón Vaca, 2025; Tu y Minh, 2026),
programación (Tran et al., 2026; Yang et al., 2025), matemáticas (Bastani et al., 2025; Bulut y
Borromeo Ferri, 2026), ciencias (Alneyadi y Wardat, 2023, 2024), planificación curricular
(Correa Chávez et al., 2025) y enseñanza sobre IAG (Delaney et al., 2025).
Los hallazgos son heterogéneos: se han registrado efectos positivos, nulos y negativos.
Es fundamental distinguir la utilidad percibida, el desempeño asistido y el aprendizaje
independiente. Bastani et al. (2025) encontraron que la asistencia sin suficientes regulaciones
mejoró la práctica, pero perjudicó el rendimiento posterior sin IA.
La IAG plantea desafíos de confiabilidad, dependencia, privacidad, sesgos e integridad
académica. Sin embargo, Lee et al. (2024) no encontraron evidencia de un incremento
generalizado y automático de conductas de trampa tras la aparición de ChatGPT.
Dado que buena parte de la literatura aborda educación superior o mezcla niveles
educativos, esta revisión sintetiza específicamente la evidencia empírica de EMS, incluidos
resultados favorables, mixtos, nulos y negativos.
DOI: https://doi.org/10.71112/yx2sk392
840 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 4, 2026, octubre-diciembre
Esta revisión sistemática analizó las aplicaciones, los resultados educativos, los
desafíos de integración y las consideraciones éticas de la IAG en EMS, a partir de
publicaciones de 2022 a agosto de 2026. Las preguntas abordaron: aplicaciones educativas;
resultados documentados; desafíos pedagógicos, tecnológicos e institucionales; y
consideraciones éticas.
METODOLOGÍA
Diseño de la revisión
Se realizó una revisión sistemática de la literatura y se tomaron como referencia las
recomendaciones de PRISMA 2020 para informar el proceso de revisión, aunque no fue posible
documentar todos sus elementos (Page et al., 2021). Debido a la heterogeneidad de los
estudios identificados en cuanto a diseño, población, área disciplinar, intervención y variables
de resultado, se empleó una síntesis cualitativa integradora y no se realizó metaanálisis. El
periodo de interés comprendió publicaciones entre 2022 y agosto de 2026. La fecha de cierre
utilizada para la reconciliación final de la búsqueda fue el 19 de agosto de 2026.
Fuentes de información y estrategia de búsqueda
La búsqueda se desarrolló en Google Scholar, SciELO, Redalyc y Dialnet. Se utilizaron
combinaciones en español e inglés relacionadas con inteligencia artificial generativa, ChatGPT,
educación media superior, bachillerato, high school, senior high school, educación secundaria
superior y grados equivalentes, combinadas con términos vinculados con aprendizaje,
enseñanza, desempeño, escritura, programación, percepción, adopción, ética e integridad
académica. La descripción de la búsqueda se presenta con el mayor nivel de detalle que pudo
reconstruirse documentalmente, atendiendo a los principios de transparencia de PRISMA-S
(Rethlefsen et al., 2021).
DOI: https://doi.org/10.71112/yx2sk392
841 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 4, 2026, octubre-diciembre
Debido al rápido crecimiento de la literatura durante el desarrollo de la investigación, se
efectuó un proceso de actualización, reconciliación y verificación bibliográfica. Una vez
establecido el cierre del 19 de agosto de 2026, las comprobaciones posteriores se limitaron a
verificar referencias, detectar duplicados y confirmar la elegibilidad de documentos ya
localizados, sin incorporar de forma discrecional nuevos estudios encontrados después del
cierre.
Criterios de elegibilidad
Se incluyeron investigaciones empíricas originales publicadas dentro del periodo
establecido que estudiaran directamente herramientas de IAG en poblaciones correspondientes
a EMS, bachillerato, high school, senior high school o niveles internacionalmente equivalentes.
También se consideraron investigaciones multinivel cuando los resultados correspondientes a
la población de interés podían identificarse de forma independiente.
Se excluyeron estudios exclusivamente centrados en educación superior, educación
primaria u otros niveles sin resultados separables para EMS; trabajos conceptuales, editoriales
o de opinión; revisiones de literatura como parte del corpus empírico; duplicados; versiones
secundarias de una misma investigación; literatura gris que no cumplía los criterios definidos
para el denominador principal; y documentos cuya procedencia editorial presentaba problemas
suficientes para impedir su utilización como evidencia principal. Las revisiones y fuentes
conceptuales pertinentes se conservaron únicamente para contextualizar la introducción y la
discusión.
Selección y reconciliación del corpus
Los registros potencialmente relevantes fueron examinados mediante título, resumen y
cuando resultó necesario para determinar la elegibilidad, texto completo. Durante la fase final
se efectuó una reconciliación del corpus para identificar duplicados, publicaciones relacionadas,
estudios multinivel y referencias bibliográficas incompletas. Este proceso permitió detectar una
DOI: https://doi.org/10.71112/yx2sk392
842 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 4, 2026, octubre-diciembre
duplicación correspondiente al estudio de Torres Nabel y Basilio Rizo (2025), registrado dos
veces durante fases previas de expansión. Después de eliminar dicha duplicación y verificar los
casos que presentaban dudas de elegibilidad, el corpus definitivo quedó integrado por 32
estudios empíricos únicos.
Cuando existía duda acerca del carácter generativo de la tecnología, se revisó el texto
completo. Por ejemplo, Acosta-Rivera y Bedón Vaca (2025) describieron explícitamente
TutorsGPT como una herramienta educativa basada en IAG y reportaron una intervención de
cuatro semanas con 60 estudiantes distribuidos en grupos experimental y control.
Extracción y valoración metodológica
Para cada investigación se registraron, cuando estuvieron disponibles, autoría, año,
país, nivel educativo, participantes, diseño metodológico, herramienta de IAG, aplicación
educativa, variables evaluadas, principales resultados, desafíos, aspectos éticos, limitaciones y
recomendaciones. La información se organizó en una matriz de evidencia para comparar
estudios con metodologías y propósitos diferentes.
La valoración metodológica se orientó a caracterizar la capacidad inferencial relativa. Se
consideraron el diseño, la existencia de comparador, el tipo de asignación, la presencia de
mediciones pretest-postest, la selección de la muestra, la naturaleza objetiva o perceptual de
los resultados y, cuando procedía, la existencia de evaluaciones realizadas sin asistencia de
IAG. Esta clasificación no se consideró una evaluación formal del riesgo de sesgo mediante
una herramienta estandarizada; se utilizó únicamente para evitar asignar el mismo peso
interpretativo a investigaciones con distinta capacidad inferencial.
DOI: https://doi.org/10.71112/yx2sk392
843 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 4, 2026, octubre-diciembre
Estrategia de síntesis
Los resultados se organizaron en cuatro dimensiones: aplicaciones educativas;
resultados de aprendizaje y desempeño; desafíos de implementación; y consideraciones éticas.
Durante la síntesis se diferenciaron tres niveles analíticos: percepción, aceptación o
adopción de la IAG; desempeño durante actividades realizadas con asistencia de IAG; y
aprendizaje o desempeño independiente evaluado sin la herramienta. Asimismo, se incluyeron
tanto los estudios que reportaron resultados positivos como aquellos que encontraron
resultados mixtos, sin cambios significativos o negativos. Se consideró que el número de
estudios con resultados similares no determina, por sí solo, la solidez de la evidencia, ya que
también es importante valorar la metodología y las características de cada investigación.
Transparencia del proceso de selección
Se verificó que el conjunto final estuviera integrado por 32 estudios empíricos únicos. La
matriz inicial conservada contiene 43 registros con título; esta cantidad no representa el total de
resultados recuperados en los buscadores ni permite calcular por diferencia las exclusiones,
porque se realizaron actualizaciones posteriores. La Figura 1 presenta una reconstrucción
retrospectiva parcial del proceso de selección. No se conservaron todas las cifras de
identificación, cribado y elegibilidad, por lo que no fue posible elaborar un diagrama PRISMA
2020 completo y verificable. No se estimaron ni inventaron cifras faltantes. Esta limitación
dificulta reproducir exactamente la selección de estudios.
DOI: https://doi.org/10.71112/yx2sk392
844 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 4, 2026, octubre-diciembre
Figura 1
Reconstrucción retrospectiva parcial del proceso de selección de estudios
RESULTADOS
Características generales y aplicaciones
Se incluyeron 32 estudios empíricos únicos publicados entre 2023 y 2026 y
desarrollados en contextos educativos de América Latina, América del Norte, Europa y Asia.
Predominaron las investigaciones con estudiantes, aunque también se identificaron
estudios con docentes o con ambos grupos. El corpus reunió experimentos, cuasiexperimentos,
diseños pretest-postest de un solo grupo, investigaciones transversales y correlacionales, y
aproximaciones cualitativas y mixtas.
DOI: https://doi.org/10.71112/yx2sk392
845 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 4, 2026, octubre-diciembre
ChatGPT fue la herramienta predominante, junto con tutores generativos y otras
plataformas de IAG. Las aplicaciones abarcaron escritura académica y creativa, aprendizaje de
inglés, comprensión lectora, programación, matemáticas y modelización, física, logística,
retroalimentación, tutoría, planificación curricular y enseñanza explícita sobre IAG (Alneyadi y
Wardat, 2023, 2024; Correa Chávez et al., 2025; Delaney et al., 2025; Khuibut et al., 2023,
2024; Rocha Gallegos et al., 2026).
Una categoría importante correspondió al uso de la IAG como asistente directo del
aprendizaje, mediante explicaciones, ejemplos, resolución de dudas o apoyo durante
problemas. Otra se relacionó con escritura y aprendizaje de idiomas, donde la IAG produjo
textos modelo, retroalimentación o apoyo a la revisión (Boonmoh y Kophimai, 2026; Gian et al.,
2026; Lu y Zeng, 2025; O’Brien-Melford, 2026). También se localizaron intervenciones en las
que la herramienta se integró dentro de estrategias pedagógicas estructuradas, como
aprendizaje invertido o modelos de creatividad (Khuibut et al., 2023, 2024).
Tabla 1.
Características sintéticas de los 32 estudios incluidos
País/contexto
Muestra/nivel
Diseño
Aplicación / resultado
principal
México
441
estudiantes
CETI
Encuesta / PLS-
SEM
Aceptación y uso de
ChatGPT; no evalúa
aprendizaje causal.
México
EMS, logística
Intervención con
evaluación
perceptual
Utilidad y usabilidad
favorables; no mide
aprendizaje objetivo.
Ecuador
60 estudiantes
3er año BGU.
(30/30)
Cuasiexperimental
TutorsGPT; resultado
favorable en aprendizaje de
inglés.
DOI: https://doi.org/10.71112/yx2sk392
846 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 4, 2026, octubre-diciembre
Noruega
236 docentes
(muestra
analítica) de
EMS (high
school)
Transversal
Adopción y utilidad
instruccional de chatbot
escolar.
Noruega
1,397
estudiantes
Encuesta
Usos y creencias sobre IAG
y escritura escolar.
España
80 estudiantes
de bachillerato
Transversal
descriptivo
Utilidad y pensamiento
crítico percibidos; no
cambios objetivos.
Ecuador
Bachillerato
Comparativo
aplicado
ChatGPT, Gemini y Copilot
para planificación curricular.
EE. UU.
Docentes y
estudiantes
Tarea empírica de
detección
Identificación imperfecta de
ensayos humanos frente a
ChatGPT.
EE. UU.
EMS (high
school)
Casos cualitativos
Diseño docente de
lecciones sobre IAG.
México
EMS
Transversal
Perspectivas estudiantiles
sobre IAG en el
aprendizaje.
Turquía
EMS (high
school),
matemáticas
Experimental
Asistencia sin salvaguardas:
mejor práctica, peor
desempeño autónomo
posterior.
EE. UU.
EMS (high
school)
Encuesta
Conductas de
deshonestidad
antes/después de ChatGPT.
Vietnam
47 estudiantes
de EMS (high
school)
Preexperimental
mixto, un grupo
pre-post
Mejora pre-post en
comprensión lectora;
causalidad limitada.
Tailandia
98 estudiantes
de EMS (high
school)
Comparativo pre-
post, 3 grupos
Flipped + ChatGPT superó
a flipped sin IA y control en
escritura.
DOI: https://doi.org/10.71112/yx2sk392
847 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 4, 2026, octubre-diciembre
Vietnam
845
estudiantes de
grado 10
Encuesta / SEM
Factores personales y
contextuales asociados con
decisión de uso.
Filipinas
50 estudiantes
de grado 10
Cuasiexperimental
pre-post con
control
Resultado favorable tras
ANCOVA; desigualdad
basal limita inferencia.
Filipinas
EMS (High
school)
Comparativo +
cualitativo
Diferencia significativa, con
relevancia práctica limitada.
Filipinas
Grado 11
HUMSS
Mixto, un grupo
pre-post
Mejoras en escritura;
ausencia de control limita
causalidad.
China
EFL
secundaria
Cuasiexperimental
pre-post, 3 grupos
ChatGPT y modelo docente
superaron control; sin
superioridad de ChatGPT.
EAU
122
estudiantes de
grado 11
Comparativo /
cuasiexperimental
Mejor desempeño postest
del grupo ChatGPT;
asignación con cierta
ambigüedad.
EAU
Grado 12
Mixto
cuasiexperimental
Grupo ChatGPT superó al
control en conocimiento,
aplicación y razonamiento.
Filipinas
54 estudiantes
de EMS
(senior high)
Comparativo pre-
post con control
Mejoras en contenido,
gramática, mecánica y
organización frente al
control.
Tailandia
EMS (Upper
secondary)
Pre-post sin
control
Mejoras pre-post y
satisfacción favorable;
causalidad limitada.
Filipinas
75 estudiantes
de EMS
(senior high)
Un grupo pre-post
Mejora pre-post en escritura
de correo; ausencia de
control limita causalidad.
Filipinas
117
estudiantes de
EMS (senior
high)
Correlacional
Sin relación significativa
entre uso de ChatGPT y
habilidades lingüísticas.
DOI: https://doi.org/10.71112/yx2sk392
848 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 4, 2026, octubre-diciembre
Tailandia
EMS (high
school)
Comparativo
ChatGPT + Synectics:
mejora de escritura creativa
y percepciones favorables.
Taiwán
EMS (High
school)
Cuasiexperimental
Menor flujo, autoeficacia y
rendimiento que métodos
convencionales.
Filipinas
STEM EMS
(high school)
Encuesta
transversal
Interés, competencia e
independencia percibidos;
no efecto causal.
Alemania
Secondary
school
Cualitativo /
resolución de
problemas
Apoyo en supuestos, pero
verificación limitada y
aceptación superficial.
EE. UU.
K-12 online,
secundaria
Encuesta
Uso, actitudes e interés por
formación docente sobre IA.
México
602
estudiantes
EMS + 42
docentes EMS
Encuesta
Uso extendido de asistentes
de IA; evidencia perceptual,
no causal.
Suecia
359
adolescentes,
estudio 2
Observacional
Uso y utilidad percibida
asociados
observacionalmente con
variables académicas.
Fuente: elaboración propia a partir de los estudios incluidos.
Nota. EMS = Educación Media Superior; IAG = Inteligencia Artificial Generativa; PLS-
SEM = Modelado de Ecuaciones Estructurales por Mínimos Cuadrados Parciales; BGU =
Bachillerato General Unificado; EFL = Inglés como Lengua Extranjera; HUMSS = Humanidades
y Ciencias Sociales; STEM = Ciencia, Tecnología, Ingeniería y Matemáticas.
Resultados educativos
Los resultados no mostraron una dirección uniforme. Diversas investigaciones
reportaron mejoras en variables académicas después de incorporar IAG, particularmente en
escritura, aprendizaje de idiomas y determinadas intervenciones en ciencias (Acosta-Rivera y
Bedón Vaca, 2025; Alneyadi y Wardat, 2023, 2024; Maghamil y Sieras, 2024). Sin embargo, el
DOI: https://doi.org/10.71112/yx2sk392
849 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 4, 2026, octubre-diciembre
corpus también incluyó resultados mixtos, nulos y negativos. En consecuencia, la frecuencia de
hallazgos favorables se interpretó de forma descriptiva y no como evidencia general de
eficacia.
Los diseños pretest-postest de un solo grupo documentaron en varios casos mejoras
posteriores a la intervención (Boonmoh y Kophimai, 2026; Gian et al., 2026; O’Brien-Melford,
2026; Tu y Minh, 2026), aunque la ausencia de un comparador limita la atribución causal de
esos cambios. Los estudios comparativos aportaron una base inferencial mayor. En el estudio
de Lu y Zeng (2025), por ejemplo, se observó que tanto los textos modelo generados por
ChatGPT como los elaborados por docentes superaron al grupo de control; sin embargo,
ChatGPT no mostró una ventaja significativa respecto al docente. En programación, Jalon et al.
(2024) encontraron una diferencia estadística entre grupos, aunque de importancia práctica
limitada.
El contraste más claro entre desempeño asistido y aprendizaje independiente aparece
en Bastani et al. (2025). En su ensayo de campo, la asistencia generativa mejoró el desempeño
durante la práctica; sin embargo, la modalidad de acceso sin suficientes regulaciones produjo
un desempeño posterior inferior cuando se retiró la herramienta, mientras que una modalidad
con restricciones pedagógicas mitigó ese deterioro. En otros contextos, Lariosa et al. (2025) no
encontraron relaciones significativas entre el uso de ChatGPT y las habilidades lingüísticas
evaluadas, y Yang et al. (2025) reportaron resultados desfavorables del grupo ChatGPT en
flujo, autoeficacia y rendimiento de programación frente a métodos convencionales.
Percepciones, adopción y desafíos
Los estudios perceptuales mostraron en general que estudiantes y docentes reconocen
utilidad en la rapidez, disponibilidad, generación de ideas y apoyo para tareas (Alpizar Garrido y
Martínez Ruiz, 2024; Bueie et al., 2026; Diaz et al., 2025; Palos Rey y Díez Bosch, 2024). Sin
embargo, una valoración positiva no constituye evidencia objetiva de aprendizaje. Los estudios
DOI: https://doi.org/10.71112/yx2sk392
850 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 4, 2026, octubre-diciembre
de adopción docente también indican que la incorporación de IAG está mediada por
condiciones institucionales y por la utilidad pedagógica percibida (Elstad y Eriksen, 2024).
Klarin et al. (2024) también examinaron el uso y la utilidad percibida de IAG en adolescentes,
junto con su relación con funciones ejecutivas y rendimiento académico, sin establecer
causalidad.
Los desafíos recurrentes en el corpus incluyeron delegación excesiva de procesos
cognitivos, respuestas incorrectas o imprecisas, necesidad de verificación, formación docente y
necesidad de orientaciones institucionales claras (Bueie et al., 2026; Delaney et al., 2025;
Elstad y Eriksen, 2024; Palos Rey y Díez Bosch, 2024). En modelización matemática, por
ejemplo, el modo en que el estudiante formula, interpreta y verifica la interacción con ChatGPT
forma parte del proceso de resolución y no puede reducirse a obtener una respuesta final (Bulut
y Borromeo Ferri, 2026).
Consideraciones éticas
Las cuestiones éticas documentadas abarcaron integridad académica, autoría,
transparencia, privacidad, confiabilidad, sesgos y responsabilidad respecto del contenido
generado. La evidencia aconseja evitar una asociación automática entre ChatGPT y fraude
académico. Lee et al. (2024), mediante una encuesta comparativa antes y después de la
aparición de ChatGPT, observaron que la frecuencia global de conductas de trampa
permaneció relativamente estable y que la aceptación variaba según el tipo de uso. Por ello,
tales hallazgos favorecen políticas escolares que distingan modalidades de utilización y las
relacionen con los objetivos de cada actividad. Waltzer et al. (2023) observaron que ni docentes
ni estudiantes identificaban con plena precisión los ensayos generados por ChatGPT, lo que
limita la confianza en la detección basada únicamente en lectura humana.
DOI: https://doi.org/10.71112/yx2sk392
851 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 4, 2026, octubre-diciembre
DISCUSIÓN
Los 32 estudios analizados muestran una literatura en rápida expansión y
metodológicamente heterogénea. El hallazgo central de esta revisión es que la evidencia
disponible no muestra un efecto uniforme de la IAG sobre el aprendizaje en EMS. Esta
conclusión no implica ausencia de utilidad educativa; indica que el valor de la herramienta no
puede establecerse únicamente a partir de su presencia, sino de las condiciones pedagógicas
en las que se utiliza.
Integración pedagógica y desempeño independiente
Más que preguntar si ChatGPT «funciona», importa precisar para qué tareas y bajo qué
condiciones. Las intervenciones estructuradas pueden mantener la actividad cognitiva del
estudiante (Khuibut et al., 2023, 2024); entregar directamente el producto evaluado, en cambio,
puede sustituirla.
El desempeño asistido no demuestra necesariamente aprendizaje independiente.
Bastani et al. (2025) documentaron esta diferencia; por ello, se requieren evaluaciones
posteriores sin IA y actividades que permitan demostrar competencias autónomamente.
Heterogeneidad y peso de la evidencia
Los resultados varían por disciplina, herramienta, población, duración y variable
evaluada. Generar modelos, tutorizar y proporcionar retroalimentación no son intervenciones
equivalentes. Contar resultados «positivos» sin considerar diseño y capacidad inferencial sería
metodológicamente insuficiente.
Los estudios perceptuales, como Bueie et al. (2026), Diaz et al. (2025) y Palos Rey y
Díez Bosch (2024), describen aceptación y experiencias, pero no demuestran mejoras objetivas
del aprendizaje.
DOI: https://doi.org/10.71112/yx2sk392
852 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 4, 2026, octubre-diciembre
Papel docente, pensamiento crítico e integridad
La IAG no sustituye el papel docente: el diseño curricular, la adopción y la orientación
crítica siguen siendo decisivos (Correa Chávez et al., 2025; Delaney et al., 2025; Elstad y
Eriksen, 2024). La formación debe incluir didáctica, evaluación de respuestas, privacidad,
sesgos e integridad académica.
La dependencia no es inevitable: depende de los procesos delegados. Solicitar
soluciones completas puede reducir la actividad cognitiva; comparar explicaciones, detectar
errores y elaborar contraargumentos puede ampliarla. La IAG debería ampliar la actividad
cognitiva del estudiante, no reemplazarla.
En integridad académica se requieren criterios más precisos que la prohibición o el uso
irrestricto. Lee et al. (2024) no identificaron un incremento automático del fraude. Conviene
definir usos permitidos y restringidos, y evaluar también procesos mediante borradores,
justificaciones o defensas orales.
Implicaciones específicas para la Educación Media Superior
La integración de IAG depende también de docentes, políticas y condiciones
institucionales (Delaney et al., 2025; Doty y Lipien, 2024; Elstad y Eriksen, 2024; Torres-Peralta
et al., 2026). Las políticas escolares deben articular alfabetización, formación, evaluación,
privacidad y equidad.
La revisión distingue tres planos: percepción o adopción, desempeño asistido y
aprendizaje independiente. La evidencia es más abundante en los primeros y menos frecuente
en evaluaciones posteriores sin IA. Una alta aceptación o una mejora inmediata no prueban,
por sí solas, aprendizaje duradero.
DOI: https://doi.org/10.71112/yx2sk392
853 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 4, 2026, octubre-diciembre
Limitaciones
La literatura sobre inteligencia artificial generativa cambia rápidamente. Además, los
estudios analizados se realizaron en distintos países, asignaturas y condiciones, y evaluaron
resultados diferentes. Por estas razones, no fue adecuado calcular un único efecto general; en
su lugar, se compararon y explicaron los hallazgos mediante una síntesis cualitativa.
Varios estudios recogieron opiniones o identificaron relaciones entre variables, por lo
que no permiten afirmar que la inteligencia artificial haya causado las mejoras observadas.
Algunas intervenciones también incluyeron pocos participantes, duraron poco tiempo o no
evaluaron lo aprendido después de retirar la herramienta.
La búsqueda se realizó en Google Scholar, SciELO, Redalyc y Dialnet, sin consultar
otras bases de datos. Tampoco se aplicó una herramienta estandarizada para evaluar el riesgo
de sesgo de cada estudio. La clasificación utilizada permitió distinguir el alcance de los
resultados, pero no sustituye una evaluación formal de ese riesgo.
Aunque se comprobó el conjunto final de 32 estudios y se recuperó una matriz inicial de
43 registros con título, no fue posible reconstruir todos los resultados por fuente ni las cifras
completas de cribado y elegibilidad. Por ello, la Figura 1 es un esquema retrospectivo parcial y
no un diagrama PRISMA 2020 completo. Esta limitación reduce la reproducibilidad exacta del
proceso; se informa expresamente y no se presentan cifras sin respaldo documental.
CONCLUSIONES
La IAG ofrece aplicaciones en tutoría, escritura, idiomas, programación, matemáticas,
ciencias y apoyo docente, pero no garantiza mejoras generalizadas. Su valor depende del
propósito, el diseño pedagógico y la interacción con la herramienta.
DOI: https://doi.org/10.71112/yx2sk392
854 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 4, 2026, octubre-diciembre
Debe distinguirse entre utilidad percibida, desempeño asistido y aprendizaje
independiente. Algunas mejoras inmediatas no persisten sin asistencia; por ello, conviene
combinar actividades con IAG y evaluaciones autónomas.
Las instituciones necesitan políticas de uso, transparencia, privacidad, integridad y
equidad. La alfabetización en IA debe incluir verificación de información, sesgos, autoría,
limitaciones y criterios claros tanto para su uso pertinente como para saber cuándo no utilizar la
herramienta.
Se requieren estudios experimentales y cuasiexperimentales, muestras mayores,
seguimiento longitudinal y evaluaciones sin IA. El reto consiste en integrar la herramienta sin
sustituir los procesos cognitivos que se pretende desarrollar.
Declaración de conflicto de interés
Financiamiento: La presente investigación no recibió financiamiento externo específico
para su realización.
Los autores declaran no tener conflictos de interés que pudieran influir en el desarrollo,
análisis, interpretación o presentación de los resultados.
Declaración de contribución a la autoría
Martha Laura Guzmán Zúñiga: Conceptualización, metodología, investigación, curación
de datos, validación, análisis formal, redacción-borrador original, redacción-revisión y edición.
Abdías Ortega León: Conceptualización, metodología, investigación, validación, análisis
formal, redacción–revisión y edición.
José Raúl López Galván: Metodología, investigación, validación, análisis formal,
redacción–revisión y edición.
Luis Julián Carranza del Ángel: Metodología, curación de datos, investigación, análisis
formal, redacción–revisión y edición.
DOI: https://doi.org/10.71112/yx2sk392
855 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 4, 2026, octubre-diciembre
Juan Ricardo Batres Solórzano: Metodología, curación de datos, investigación, análisis
formal, redacción–revisión y edición.
Declaración de uso de inteligencia artificial
Los autores declaran que utilizaron herramientas de inteligencia artificial principalmente
ChatGPT (OpenAI) y complementariamente Gemini (Google) como asistencia para la
optimización estilística, la edición lingüística y la estructuración del manuscrito. Estas
herramientas no sustituyeron en ningún momento el juicio reflexivo, el procesamiento analítico
ni el trabajo intelectual de los autores. El contenido resultante es producto de una rigurosa
investigación inédita y propia.
REFERENCIAS
Acosta-Rivera, L. G., & Bedón Vaca, C. del C. (2025). Impacto de la inteligencia artificial en el
aprendizaje del inglés como lengua extranjera en estudiantes de bachillerato en
Ecuador. Revista de Investigación Educativa RedCA, 8(22), 140–164.
https://doi.org/10.36677/redca.v8i22.26361
Alneyadi, S., & Wardat, Y. (2023). ChatGPT: Revolutionizing student achievement in the
electronic magnetism unit for eleventh-grade students in Emirates schools.
Contemporary Educational Technology, 15(4), ep448.
https://doi.org/10.30935/cedtech/13417
Alneyadi, S., & Wardat, Y. (2024). Integrating ChatGPT in Grade 12 Quantum Theory
Education: An exploratory study at Emirate School (UAE). International Journal of
Information and Education Technology, 14(3), 398–410.
https://doi.org/10.18178/ijiet.2024.14.3.2061
Alpizar Garrido, L. O., & Martínez Ruiz, H. (2024). Perspectiva de estudiantes de nivel medio
superior respecto al uso de la inteligencia artificial generativa en su aprendizaje. RIDE
DOI: https://doi.org/10.71112/yx2sk392
856 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 4, 2026, octubre-diciembre
Revista Iberoamericana para la Investigación y el Desarrollo Educativo, 14(28), e628.
https://doi.org/10.23913/ride.v14i28.1830
Bastani, H., Bastani, O., Sungu, A., Ge, H., Kabakcı, Ö., & Mariman, R. (2025). Generative AI
without guardrails can harm learning: Evidence from high school mathematics.
Proceedings of the National Academy of Sciences of the United States of America,
122(26), e2422633122. https://doi.org/10.1073/pnas.2422633122
Boonmoh, A., & Kophimai, N. (2026). The development of higher secondary school students’
English paragraph writing skills through the integration of ChatGPT (Generative Pre-
trained Transformer). RMUTK Journal of Liberal Arts, 8(1), 106–120. https://so02.tci-
thaijo.org/index.php/larts-journal/article/view/277721
Bueie, A. A., Skar, G. B., & Graham, S. (2026). High school students’ use and beliefs about
generative artificial intelligence and writing in school. Reading and Writing, 39(2), 597–
627. https://doi.org/10.1007/s11145-025-10702-3
Bulut, N., & Borromeo Ferri, R. (2026). AI-powered learning: Exploring secondary school
students’ use of ChatGPT for solving mathematical modelling problems. ZDM –
Mathematics Education, 58, 993–1009. https://doi.org/10.1007/s11858-026-01803-6
Correa Chávez, J. A., Guzman Lema, P. I., Cajamarca Tenempaguay, M. V., Herrera Ordóñez,
A. E., & Hurtado Crespo, G. P. (2025). Inteligencia artificial como apoyo en la
planificación curricular del bachillerato mediante un análisis comparativo entre ChatGPT,
Gemini y Copilot. Revista Multidisciplinar Epistemología de las Ciencias, 2(4), 734–754.
https://doi.org/10.71112/wnfftj83
Delaney, V., Adisa, I. O., Mah, C., & Lee, V. R. (2025). Teaching high school students about
generative AI: Cases of teacher lesson design. The Journal of Educational Research,
118(6), 736–751. https://doi.org/10.1080/00220671.2025.2510415
DOI: https://doi.org/10.71112/yx2sk392
857 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 4, 2026, octubre-diciembre
Diaz, D. D., Funa, A. A., & Gabay, R. A. E. (2025). ChatGPT in STEM classrooms: Students’
perceptions of interest, academic proficiency, and learning independence. Journal of
Basic Education Research, 6(3), 470–480. https://doi.org/10.37251/jber.v6i3.2096
Doty, K., & Lipien, L. (2024). Student perceptions and attitudes about the usage of ChatGPT in
online K-12 education and student preferences about learning to use artificial intelligence
from teachers. American Journal of Educational Research, 12(9), 348–355.
https://doi.org/10.12691/education-12-9-2
Elstad, E., & Eriksen, H. (2024). High school teachers’ adoption of generative AI: Antecedents
of instructional AI utility in the early stages of school-specific chatbot implementation.
Nordic Journal of Comparative and International Education, 8(1).
https://doi.org/10.7577/njcie.5736
German, M. M. (2026). AI-assisted academic writing: A quasi-experimental study among Grade
10 students. International Journal of Research Publications, 196(1).
https://doi.org/10.47119/IJRP1001961520269003
Gian, J. I. C., Java, M. J. G., Tundag, K. Z., & Minoza, J. T. (2026). Integrating guided ChatGPT
intervention on the writing efficiency of Grade 11 HUMSS students. Malaysian Journal of
ELT Research, 23(1). https://doi.org/10.52696/KBIY2928
Jalon, J. B., Jr., Chua, G. A., & Torres, M. de L. (2024). ChatGPT as a learning assistant: Its
impact on students learning and experiences. International Journal of Education in
Mathematics, Science and Technology, 12(6), 1603–1619.
https://doi.org/10.46328/ijemst.4471
Khuibut, W., Premthaisong, S., & Chaipidech, P. (2023). Integrating ChatGPT into Synectics
Model to improve high school student’s creative writing skill. In Proceedings of the 31st
International Conference on Computers in Education. Asia-Pacific Society for Computers
in Education. https://library.apsce.net/index.php/ICCE/article/view/4737
DOI: https://doi.org/10.71112/yx2sk392
858 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 4, 2026, octubre-diciembre
Khuibut, W., Premthaisong, S., & Chaipidech, P. (2024). Integrating ChatGPT into flipped
learning: Enhancing students’ creative writing skills and perception. In A. Kashihara et al.
(Eds.), Proceedings of the 32nd International Conference on Computers in Education.
Asia-Pacific Society for Computers in Education. https://doi.org/10.58459/icce.2024.4967
Klarin, J., Hoff, E., Larsson, A., & Daukantaitė, D. (2024). Adolescents’ use and perceived
usefulness of generative AI for schoolwork: Exploring their relationships with executive
functioning and academic achievement. Frontiers in Artificial Intelligence, 7, 1415782.
https://doi.org/10.3389/frai.2024.1415782
Lariosa, J., Bajao, K., Talaroc, J., Amancio, E., Buna, J., & Villarin, S. J. (2025). Usage of
ChatGPT on English language skills of students at Maputi Senior High School.
Psychology and Education: A Multidisciplinary Journal, 43(3), 368–378.
https://doi.org/10.70838/pemj.430309
Lee, V. R., Pope, D., Miles, S., & Zárate, R. C. (2024). Cheating in the age of generative AI: A
high school survey study of cheating behaviors before and after the release of ChatGPT.
Computers and Education: Artificial Intelligence, 7, 100253.
https://doi.org/10.1016/j.caeai.2024.100253
Lu, D., & Zeng, Y. (2025). Exploring the use of ChatGPT-generated model texts as a feedback
instrument: EFL students’ text quality and perceptions. Innovation in Language Learning
and Teaching. Advance online publication.
https://doi.org/10.1080/17501229.2025.2525341
Maghamil, M., & Sieras, S. (2024). Impact of ChatGPT on the academic writing quality of senior
high school students. Journal of English Language Teaching and Applied Linguistics,
6(2), 115–128. https://doi.org/10.32996/jeltal.2024.6.2.14
O’Brien-Melford, M. A. P. (2026). Short-term effects of ChatGPT-assisted instruction on
professional email writing among senior high school learners. Asian Journal of
DOI: https://doi.org/10.71112/yx2sk392
859 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 4, 2026, octubre-diciembre
Language, Literature and Culture Studies, 9(1), 58–68.
https://doi.org/10.9734/ajl2c/2026/v9i1299
Page, M. J., McKenzie, J. E., Bossuyt, P. M., Boutron, I., Hoffmann, T. C., Mulrow, C. D.,
Shamseer, L., Tetzlaff, J. M., Akl, E. A., Brennan, S. E., Chou, R., Glanville, J.,
Grimshaw, J. M., Hróbjartsson, A., Lalu, M. M., Li, T., Loder, E. W., Mayo-Wilson, E.,
McDonald, S., … Moher, D. (2021). The PRISMA 2020 statement: An updated guideline
for reporting systematic reviews. BMJ, 372, n71. https://doi.org/10.1136/bmj.n71
Palos Rey, L., & Díez Bosch, M. (2024). Inteligencia artificial y espíritu crítico en la enseñanza
media: Uso y percepción de los estudiantes de bachillerato sobre el Chat GPT. Revista
Internacional de Humanidades, 11(2), 43–57. https://doi.org/10.18848/2474-
5022/CGP/v11i02/43-57
Rethlefsen, M. L., Kirtley, S., Waffenschmidt, S., Ayala, A. P., Moher, D., Page, M. J., & Koffel,
J. B. (2021). PRISMA-S: An extension to the PRISMA Statement for Reporting Literature
Searches in Systematic Reviews. Systematic Reviews, 10, 39.
https://doi.org/10.1186/s13643-020-01542-z
Rocha Gallegos, A., González Segura, C. M., & García García, M. (2026). Uso de herramientas
de inteligencia artificial generativa en la enseñanza de logística en educación media
superior. RiiTE Revista Interuniversitaria de Investigación en Tecnología Educativa, 20,
126–142. https://doi.org/10.6018/riite.686451
Torres Nabel, L. C., & Basilio Rizo, L. I. (2025). Inteligencia artificial generativa en estudiantes
de Educación Media Superior en México. El uso de ChatGPT en estudiantes del Centro
de Enseñanza Técnica Industrial (CETI). Ciencia Latina Revista Científica
Multidisciplinar, 9(4), 11317–11353. https://doi.org/10.37811/cl_rcm.v9i5.19721
Torres-Peralta, R., Cirett-Galán, F., Heras-Sanchez, M. del C., Lerma-Molina, K., & Espinoza-
Flores, I. (2026). Perceived learning vs. engagement in AI-assisted homework: A
DOI: https://doi.org/10.71112/yx2sk392
860 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 4, 2026, octubre-diciembre
comparative study of ChatGPT use across high school, university, and teachers in
Sonora, Mexico (2024–2025). Future Internet, 18(3), 122.
https://doi.org/10.3390/fi18030122
Tran, H. V., Vo Thi Phuong, L., Nguyen Cong, Q., & Tran Le Tam, N. (2026). Which factor most
influences the decision of 10th grade students to use ChatGPT for programming
education? A case study in Da Nang City, Vietnam. Interactive Learning Environments,
34(2), 846–868. https://doi.org/10.1080/10494820.2025.2511238
Tu, D. V., & Minh, N. T. H. (2026). Using ChatGPT to improve reading comprehension of high
school students. International Journal of Education Humanities and Social Science, 9(3),
504–512. https://doi.org/10.54922/IJEHSS.2026.1333
Waltzer, T., Cox, R. L., & Heyman, G. D. (2023). Testing the ability of teachers and students to
differentiate between essays generated by ChatGPT and high school students. Human
Behavior and Emerging Technologies, 2023, 1923981.
https://doi.org/10.1155/2023/1923981
Yang, T.-C., Hsu, Y.-C., & Wu, J.-Y. (2025). The effectiveness of ChatGPT in assisting high
school students in programming learning: Evidence from a quasi-experimental research.
Interactive Learning Environments, 33(6), 3726–3743.
https://doi.org/10.1080/10494820.2025.2450659