REVISTA
ODIGOS
rodigos@uisrael.edu.ec
e-ISSN: 2697-3405
REVISTA ODIGOS
QUITO-ECUADOR
2024
53
Período junio - septiembre 2024
Vol. 5, Núm. 2
Revisión de estudios sobre la inteligencia articial adaptada
en la educación
Review of studies on adapted articial intelligence in education
Fecha de recepción: 2024-03-25 Fecha de aceptación: 2024-05-10 Fecha de publicación: 2024-06-10
Miguel Ángel Pico Quijije
1
Universidad Técnica de Manabí, Ecuador
miguipico93@gmail.com
https://orcid.org/0009-0006-8308-1601
Jhonny Antonio Lopez Pinargote
2
Universidad Técnica de Manabí, Ecuador
jhonnylopezp89@gmail.com
https://orcid.org/0009-0001-8218-4696
Eduar Enrique Navarrete Zambrano
3
Universidad Técnica de Manabí, Ecuador
navarretezambranoe@gmail.com
https://orcid.org/0009-0000-0656-9116
RESUMEN
El uso de la inteligencia articial (IA) orientado a la educación maniesta el rápido avance y una
creciente adopción en diversos niveles educativos. Las aplicaciones de la IA en este contexto
abarcan desde asistentes virtuales y plataformas de aprendizaje personalizadas hasta análisis de
datos permitiendo conocer el rendimiento de los estudiantes. Se ha observado un interés creciente
en aprovechar esta tecnología para incorporar el aprendizaje adaptativo a los estudiantes, ofreciendo
https://doi.org/10.35290/ro.v5n2.2024.1250
REVISTA ODIGOS
QUITO-ECUADOR
2024
54
REVISTA ODIGOS • VOL.5 NUM. 2 • JUNIO - SEPTIEMBRE 2024
experiencias de formación personalizadas. El objetivo de este estudio fue realizar una investigación
bibliográca acerca de estudios relacionados sobre la integración de la inteligencia articial adaptada
hacia la educación mediante la metodología SLR (Revisión sistemática de la literatura), donde se
desarrollaron preguntas signicativas mediante los criterios de inclusión y exclusión. Se abordó la
diversidad de tecnologías utilizadas, desde plataformas en línea hasta herramientas colaborativas;
se analizó tanto el impacto positivo como los desafíos asociados, incluyendo la brecha digital y las
adaptaciones requeridas por los educadores.
PALABRAS CLAVE: Tecnologías educativas inteligentes, Sistemas de recomendación para edu-
cación, Plataformas de aprendizaje inteligentes, Aprendizaje automático
ABSTRACT
The use of articial intelligence (AI) aimed at education shows rapid advancement and growing
adoption at various educational levels. The applications of AI in this context range from virtual
assistants and personalized learning platforms to data analysis allowing us to understand student
performance. There is heightened interest in leveraging this technology to incorporate adaptive
learning for students, offering personalized training experiences. The objective of this study is
accomplishing bibliographic research on related studies on the integration of articial intelligence
adapted to education through the SLR (Systematic Literature Review) methodology, where signicant
questions are developed through the inclusion and exclusion criteria. The diversity of technologies
used is addressed, from online platforms to collaborative tools, both the positive impact and the
associated challenges are analyzed, including the digital divide and the adaptations required by
educators.
KEYWORDS: Intelligent educational technologies, Recommendation systems for education,
Intelligent learning platforms, Machine learning
REVISTA ODIGOS
QUITO-ECUADOR
2024
55
rodigos@uisrael.edu.ecREVISIÓN DE ESTUDIOS SOBRE LA INTELIGENCIA ARTIFICIAL ADAPTADA EN LA EDUCACIÓN
Introducción
A través de las entidades biológicas avanzadas, como es el caso del ser humano, la Inteligencia
Articial (IA) se basó en la creación de máquinas que puedan aprender, percibir y razonar; con el
objetivo de desarrollar un sistema que pueda emular la inteligencia humana (Macpherson et al.,
2021). Esto, a través de la creación de algoritmos en conjunto con modelos estadísticos.
Con el uso de las diferentes tecnologías de la información y comunicación (TIC), ha surgido
una evolución mediante el avance y necesidades de las personas, dando lugar al desarrollo
de la IA. Las máquinas tienen la capacidad de adaptarse a nuevas situaciones, aprender
funciones, responder interrogantes y resolver problemas. Siguiendo esta línea, el uso de las
TIC en la educación ha signicado un cambio a nuevas capacidades innovadoras y estrategias
de aprendizaje a comparación de la educación tradicional, respondiendo de forma ecaz a las
necesidades y demandas en las diferentes etapas educativas (Mollo et al., 2023).
La IA ha impactado notablemente en diferentes campos entre ellos la educación. La Inteligencia
Articial estudia el desarrollo de máquinas que puedan simular el proceso de pensamiento de los
humanos y ha transformado la interacción de elementos de educación entre docentes y alumnos.
La IA ha incorporado a los sistemas actuales educativos un mejoramiento de procedimientos en
la eciencia de tiempo de respuesta, facilidad de acceso a la información y otros efectos positivos
(Zafari et al., 2022).
En la actualidad, se utilizan modelos de predicción, para analizar respuestas y preferencias
en plataformas de gestores de contenido, estableciendo modelos de aprendizaje. Es esencial
incentivar la adopción de innovar e investigar a los estudiantes fomentando la autorregulación y
el cumplimiento de códigos y normativas (Terrones et al., 2024) para el buen uso de herramientas
y buenas prácticas profesionales.
En este contexto, a través de la pandemia de COVID-19 los sistemas educativos en todo el
mundo fueron afectados y tuvieron que cerrar sus instalaciones; esto generó la aceleración de
procesos tecnológicos (Abbas et al. 2024). Sin embargo, en América Latina las clases presenciales
fueron interrumpidas por mayor tiempo a diferencia de otras partes del mundo, reemplazando la
escolarización tradicional a una enseñanza virtual y posteriormente híbrida. Cabe destacar que
hubo un alto costo de distribución desigual debido a las condiciones sociales y económicas de
cada país (Salcero et al., 2023).
Este artículo se desarrolló con el objetivo de realizar una revisión bibliográca sobre la inteligencia
articial en el ámbito educativo, se observaron aspectos generales e importantes sobre la
manera que se manejan las tecnologías en diversos niveles educativos. Además, se generaron
preguntas signicativas las cuales fueron respondidas a través de la recopilación de información,
se dio énfasis a los desafíos éticos y las implicaciones pedagógicas para proporcionar una visión
completa.
REVISTA ODIGOS
QUITO-ECUADOR
2024
56
REVISTA ODIGOS • VOL.5 NUM. 2 • JUNIO - SEPTIEMBRE 2024
Metodología
Esta investigación fue del tipo documental en la cual se realizó una revisión bibliografía de
estudios referentes a la inteligencia articial integrada en la educación. Se realizaron búsquedas
de artículos cientícos, publicaciones de revistas, investigaciones relevantes. Además, se utilizó
una cadena de búsqueda para minimizar la cantidad de documentos encontrados y centrarse en
la temática principal; a esto, se aplicó criterios de inclusión y exclusión para analizar y reducir
el sesgo de información. Por otra parte, se generaron preguntas de investigaciones las cuales
fueron respondidas a través de la búsqueda exhaustiva de información y se utilizó repositorios y
bibliotecas digitales como IEEEXplore, Science Direct, Springer, Dialnet, IOP Science. En la Tabla
1 se aprecia a la cadena de búsqueda.
Tabla 1
Cadena de búsqueda
Cadena de búsqueda Resultados
“Inteligencia Articial” + “Educación”+ “Sistemas de
recomendación”
100
“Plataformas de aprendizaje”+ “Educación
tecnológica” OR “Smart classroom “
120
Total 220
Una vez desarrollado la combinación de cadenas de búsqueda y el alcance de la investigación,
se denieron los criterios de inclusión y exclusión, los cuales tuvieron que cumplir ciertas
características para ser considerados en la selección de la revisión de estudios.
2.1 Criterio de Inclusión
Se seleccionaron trabajos de investigación relevantes los cuales respondieron a preguntas
signicativas. Bajo este criterio, se consideraron los siguientes:
1. Artículos de implementación enfocados en la inteligencia articial en la educación.
2. Artículos de machine learning y plataformas de aprendizaje.
3. Investigaciones relacionadas a Smart classrooms.
4. Investigaciones acerca de herramientas de plataformas educativas.
2.2 Criterio de exclusión
Se excluyeron una serie de artículos que no cumplían con los siguientes criterios al momento de
ser seleccionados:
1. Artículos que tengan más de 5 años de publicación
REVISTA ODIGOS
QUITO-ECUADOR
2024
57
rodigos@uisrael.edu.ecREVISIÓN DE ESTUDIOS SOBRE LA INTELIGENCIA ARTIFICIAL ADAPTADA EN LA EDUCACIÓN
2. Artículos de idiomas distintos a inglés o español.
Resultados
La Figura 1 presenta los resultados de búsqueda iniciales. Se identicaron 220 estudios en las
cinco bases de datos. Luego de descartar duplicidad, coincidencias y aplicar los criterios indicados,
se seleccionaron 36 estudios que permitieron responder las preguntas signicativas.
Figura 1
Selección de estudios.
Los 36 artículos fueron seleccionados desde el año 2020 hasta el 2024. Estos artículos fueron
presentados como resultados de procesos efectuados con los criterios de inclusión. A continuación,
la Figura 2 muestra las publicaciones de la base de datos seleccionadas.
Figura 2
Base de datos seleccionadas.
REVISTA ODIGOS
QUITO-ECUADOR
2024
58
REVISTA ODIGOS • VOL.5 NUM. 2 • JUNIO - SEPTIEMBRE 2024
En la revisión sistemática de literatura, como se muestra en la Figura 3, la información recopilada
fue de los últimos 5 años. En esta selección se pudo identicar que el año con más estudios
publicados fue el 2023 y el menor fue el 2020. También se observó que, a pesar de que el año
2024 aún no termina, se encontraron más publicaciones en comparación que el año 2020 y se
iguala al 2022.
Figura 3
Publicaciones de los últimos 5 años
Luego de nalizar la selección artículos, se generaron y respondieron preguntas signicativas
denidas durante la investigación.
P1 ¿Cómo ha impactado la inteligencia articial en la enseñanza y aprendizaje en
diferentes niveles educativos?
Las computadoras perciben el mundo a través de sensores. Estos sensores proporcionan
información que es procesada para el razonamiento, extracción datos y toma de decisiones. A
través de este conjunto de información, se han desarrollado algoritmos que la IA puede interpretar
por medio de modelos mediante la comprensión de conceptos básicos y prácticos, integrando
habilidades técnicas y la alfabetización que han sido claves para la educación (Stolpe y Hallström,
2024). La IA en entornos académicos ha utilizado variables para crear modelos especícos de
aprendizaje automático.
Una de las aplicaciones más comunes de integración de la IA en sistemas educativos ha sido la
predicción de rendimiento académico con niveles de actividad como retención de conocimiento,
abandono y problemas de aprendizaje (Martínez et al., 2023).
A través del desempeño de los estudiantes, se han extraído métricas sobre patrones de
comportamiento y rendimiento. Esto puede predecir problemas o dicultades que enfrenta el
alumnado.
REVISTA ODIGOS
QUITO-ECUADOR
2024
59
rodigos@uisrael.edu.ecREVISIÓN DE ESTUDIOS SOBRE LA INTELIGENCIA ARTIFICIAL ADAPTADA EN LA EDUCACIÓN
La educación primaria, junto con la IA, desempeña un papel fundamental en la creación de
habilidades que apoyan el aprendizaje continuo, centrándose en herramientas como asistentes
virtuales, juegos educativos inteligentes y sistemas adaptativos de aprendizajes. Esto genera al
desarrollo y la estimulación de lectura, escritura y habilidades sociales.
Por otro lado, en la educación secundaria existen aplicaciones y nuevos métodos de aprendizaje
exible donde los estudiantes se desenvuelven de una mejor manera gracias al aprendizaje
adaptativo, con diferentes ritmos de aprendizaje y estilos de comprensión. Al incorporar ejercicios
relacionados con el pensamiento divergente, los estudiantes experimentan que el uso de la IA
ayuda a la creatividad dentro de las clases (Habib et al., 2024).
Finalmente, la educación superior se centra en un aprendizaje adaptable para la formación
de cursos y materiales didácticos que fortalezcan el interés de los estudiantes, desarrollando
habilidades de análisis de forma continua (Sanabria et al., 2023). La sugerencia de cursos se
realiza a través de algoritmos de recomendación congurados en estas plataformas, lo cual
conlleva una gran cantidad de almacenamiento de datos. Dichos datos pueden ser aprovechados
gracias a la utilización de la inteligencia articial en conjunto con el buen manejo y uso de la
privacidad de estos.
El uso potencial de la IA en la educación ha sido discutido por casi 30 años por la comunidad
académica AIED (Articial Inteligence in Education). Recientemente, el debate se ha desplazado
al ámbito internacional con política gubernamental. A medida que se generan nuevas inteligencias
articiales, algoritmos para el aprendizaje y procesamiento de datos, EL también se han
evidenciado riesgos. Por lo tanto, uso de esta tecnología debe avanzar con cautela y diligencia.
Existe nuevas tendencias importantes para la AIED, que incluyen sistemas de tutores inteligentes,
agentes pedagógicos, tecnologías de aula inteligente y aprendizaje adaptativo (Joshi et al., 2021).
En la Figura 4, se muestra cómo se deben incluir un sistema de inteligencia articial aplicada en
entidades educativas.
REVISTA ODIGOS
QUITO-ECUADOR
2024
60
REVISTA ODIGOS • VOL.5 NUM. 2 • JUNIO - SEPTIEMBRE 2024
Figura 4.
Arquitectura de sistema AIED, 2021
Los agentes pedagógicos (AP) son elementos o entidades que activamente participan en procesos
disciplinarios. Estos desempeñan un papel importante en la facilitación y mejora de la educación.
Los agentes pueden ser humanos o tecnológicos, y su función principal es contribuir al desarrollo,
implementando mejores prácticas en la educación (Zhan et al., 2022). Los sistemas IA mediante
los agentes pedagógicos ofrecen respuestas automáticas y orientación a los estudiantes. Estos
pueden utilizarse para proporcionar información, resolver preguntas frecuentes y ofrecer asistencia
personalizada. Los AP son personajes en pantalla que permiten a los usuarios navegar o aprender
en entornos multimedia. Sus principales características son que pueden moderar su efectividad de
la instrucción, apariencia, género, comunicación no verbal, movimiento y voz (Castro et al., 2021).
También existen los sistemas de tutoría inteligente (STI), programas educativos que imitan
patrones de comportamiento humano basados en inteligencia articial, minería de datos y
aprendizaje analítico (Liang et al., 2022). El uso de los STI como herramienta de aprendizaje
adaptativo está aumentando signicativamente en diferentes campos educativos pues se basa
principalmente en el conocimiento y el desempeño del alumno.
Otro elemento son las aulas inteligentes equipadas con dispositivos adaptativos y herramientas
tecnológicas para una experiencia más enriquecedoras para docentes y estudiantes (Lorenzo
et al., 2021). Existen factores fundamentales para la implementación de un aula inteligente:
1) Tener un área de apertura con la capacidad de relacionarse con el entorno exterior para el
uso del ambiente físico como los recursos digitales; 2) Congurar el espacio para entender
las posibilidades del aprendizaje; 3) Colaboración para fomentar la interacción del escenario
con la construcción colectiva del conocimiento. El uso de la tecnología debe estar alineado
REVISTA ODIGOS
QUITO-ECUADOR
2024
61
rodigos@uisrael.edu.ecREVISIÓN DE ESTUDIOS SOBRE LA INTELIGENCIA ARTIFICIAL ADAPTADA EN LA EDUCACIÓN
pedagógicamente a las capacidades del docente para crear situaciones didácticas con actitudes
críticas y reexivas para adaptarse a circunstancias cambiantes (Rapanta et al., 2021).
El aprendizaje adaptativo en base a la educación, junto con la tecnología y la IA, se utilizan para
personalizar experiencias de formación según las necesidades y habilidades de cada estudiante.
El objetivo principal es proporcionar un camino educativo más eciente y efectivo, ajustándose de
manera dinámica a las fortalezas y debilidades de sus estudiantes (Hünicken et al., 2021).
Otro elemento es la arquitectura central en “bucle” que recopila datos del alumno y luego los utiliza
para estimar su progreso, recomendar actividades de aprendizaje y proporcionar comentarios
personalizados. Los algoritmos del sistema generalmente toman decisiones reriéndose a un
modelo de dominio del conocimiento (Quintanar et al, 2022). Por otra parte, el aprendizaje analítico
se reere al uso de técnicas y herramientas para extraer información a partir de un conjunto de
datos. Además, incorpora experiencias de aprendizaje en línea con tecnologías exibles para
lograr resultados signicativos (Kumar et al., 2021).
Finalmente, un Sistema de Gestión Educativa (SGE) es un conjunto integrado de software
y herramientas diseñado para facilitar y mejorar la administración y gestión de instituciones
educativas. Este tipo de sistemas están desarrollados para apoyar diversas funciones y procesos
administrativos y académicos, con el objetivo de mejorar la eciencia operativa y la calidad
en la educación. Estos procesos abarcanregistros académicos, planicación de estrategias,
matriculación y admisión, gestión nanciera, gestión de recursos, rendimiento y calidad entre otros
(Díez et al., 2020).
P2 ¿Cuáles aplicaciones de IA pueden ser utilizadas para entornos educativos?
Para asentar las bases del uso de la IA en la educación, se ha llevado a cabo la creación de
programas adaptables que ayuden a garantizar que los estudiantes aprueben estos cursos
en un plazo determinado (Ingavélez et al., 2022). El uso de estas herramientas prepara a los
profesionales a desarrollar y resolver problemas globales a través de optimización de mejora
de resultados de aprendizaje. A continuación, se muestra en la Tabla 2 algunos software y
herramientas IA utilizadas en entornos de educación.
REVISTA ODIGOS
QUITO-ECUADOR
2024
62
REVISTA ODIGOS • VOL.5 NUM. 2 • JUNIO - SEPTIEMBRE 2024
Tabla 2
Aplicaciones IA en educación.
Herramientas Características Enfoque
Nivel educativo
Referencias
Primaria Secundaria Universidad
ALEKS
Aprendizaje adap-
tativo
Evaluación continua
Retroalimentación
Detallada
Personalización de
plan de estudios
mediante habilida-
des individuales del
estudiante
(Mills, 2021)
Carnegie
Learning
Aprendizaje Adap-
tativo
Evaluación adap-
tativa
Centrado en mate-
máticas
Enseñanza basada
en datos y análisis
predictivo
Mejora el rendimiento
académico
(Sein Minn,
2022)
DreamBox
Aprendizaje adapta-
tivo en matemáticas
Evaluación de
seguimiento del
progreso
Adaptación de
múltiples niveles de
habilidad centrado en
matemáticas
(Divanji et
al., 2023)
Squirrel AI
Tutoría personali-
zada
Aprendizaje adapta-
tivo en matemáticas y
otras materias
Retroalimentación
instantánea
Utiliza algoritmos de
aprendizaje profundo
para adaptarse al
estilo de aprendizaje
del estudiante
(Kabudi et
al., 2021)
IBM Watson
Education
Analítica de apren-
dizaje
Asistentes virtuales
Desarrollo de habili-
dades del siglo XXI
Análisis de datos
para la toma de deci-
siones
(Pérez-Mer-
cado et al.,
2023)
Knewton
Plataforma de
aprendizaje adapta-
tivo
Personalización de
contenido
Seguimiento en
tiempo real dl progre-
so de estudiantes
Aprendizaje adaptati-
vo basado en algorit-
mos avanzados
(Skulmows-
ki, 2023)
Duolingo
Aprendizaje de
idiomas
Evaluación adap-
tativa
Retroalimentación
inmediata
Personalización de
cursos según habili-
dades de idioma
(Sanda &
Klimova,
2021)
REVISTA ODIGOS
QUITO-ECUADOR
2024
63
rodigos@uisrael.edu.ecREVISIÓN DE ESTUDIOS SOBRE LA INTELIGENCIA ARTIFICIAL ADAPTADA EN LA EDUCACIÓN
Minecarft:
Education
Edition
Entorno educativo
basado en el juego
Minecraft
Integración de lec-
ciones de proyectos
educativos
Fomenta la creativi-
dad y colaboración
Aplicación en diver-
sas disciplinas para
el aprendizaje como
arquitectura y visión
periférica
(Yenduri et
al., 2023)
Zoom for
education
Plataforma de video
conferencias
Colaboración en
línea
Herramientas
interactivas como
pizarras compartidas
Facilita la enseñanza
y el aprendizaje a
distancia
Participación remota
y colaboración en
tiempo real
(Ly et al.,
2023)
Coursera
Plataforma de cur-
sos en línea Evalua-
ción y certicación.
Personalización de
itinerarios
Acceso global a cur-
sos de instituciones
académicas
(B. Wu &
Zhou, 2020)
P3 ¿Cuáles son los desafíos éticos mediante la integración de inteligencia articial en la
educación?
El desarrollo de una IA aplicada en educación debe cumplir con varios principios éticos como no
vulnerar los derechos de las personas, su bienestar y seguridad. De igual forma, generar conanza
por medio de desarrolladores, usuarios y proveedores (Cornejo y Cippitani, 2023).
En las universidades, los docentes deben realizar cuidadosamente el diseño de sus exámenes
y tomar medidas académicas para detectar trabajos deshonestos en los estudiantes. En el
transcurso que la tecnología avanza, también se deben tomar precauciones en los modos de
escritura y evaluación (VanderLinde y Mera, 2023).
Privacidad y seguridad en los datos: La recopilación y almacenamiento de datos personales
deben garantizar la seguridad para proteger la información sensible para evitar riesgos de violación
de privacidad (Wu, X. et al., 2023).
Sesgo y Equidad: El sesgo en la creación de algoritmos IA crea problemas e incertidumbres que
pueden afectar los derechos humanos, la privacidad e integración humana (Almache y Márquez,
2023).
Recopilación de Datos: La manera en que se recopilan, utilizan y comparten los datos debe estar
alineada en conjunto con principios éticos. Esto implica obtener el consentimiento informado de
los estudiantes para garantizar que, con la información recopilada, se puedan tomar decisiones
pedagógicas de manera ética y con nes educativos legítimos (Flores y García, 2023).
Acceso y brecha digital: Uno de los detonantes fuertes para la brecha digital fue el connamiento
por la pandemia, donde al iniciar programas de clases a distancia se conoció la desigualdad y
REVISTA ODIGOS
QUITO-ECUADOR
2024
64
REVISTA ODIGOS • VOL.5 NUM. 2 • JUNIO - SEPTIEMBRE 2024
dicultades estructurales. Los países en desarrollo con infraestructuras decientes y obsoletas,
docentes carentes de conocimientos y habilidades digitales o estudiantes sin la tecnología
necesaria presentaron una desventaja.
Formación y Desarrollo Profesional La implementación efectiva de tecnologías de IA en la
educación requiere una formación adecuada y desarrollo profesional continuo para educadores.
En este contexto, es importante analizar las características de cada estudiante analizando sus
fortalezas y debilidades, para el mejoramiento continuo individual.
Las implementaciones de la IA en instituciones educativas presentan varios desafíos. Actualmente,
se están llevando a cabo diversas estrategias para abordarlos de manera efectiva. Por otra
parte, se deben establecer políticas y marcos regulatorios claros para guiar la implementación
ética y responsable de las tecnologías; los pilares fundamentales son la privacidad, seguridad
de datos y equidad. Otras estrategias consisten en ofrecer programas de formación y desarrollo
profesional para educadores y personal técnico, incrementar la capacitación en el uso efectivo
de herramientas de IA, comprender los aspectos éticos y las capacidades de integrar estas
tecnologías de manera signicativa.
Finalmente, se deben establecer mecanismos de monitoreo y evaluación para supervisar el
efecto en la implementación de IA para obtener resultados educativos. Esto permite realizar
ajustes según sea necesario y garantizar la mejora continua. Además, desarrollar capacidades
internas dentro de las instituciones educativas para gestionar y mantener sistemas de IA de
manera efectiva. Esto puede implicar la contratación de personal especializado y el fomento de la
colaboración interdisciplinaria.
Conclusiones
El uso de la IA implementada en la educación ha demostrado ser una tendencia transformadora
con el potencial de ofrecer contenido y métodos de enseñanza personalizados. El análisis de la
literatura y revisión sistemática ha permitido identicar varios aspectos clave relacionados con la
aplicación de la IA en el contexto educativo. Esto ofrece oportunidades para su implementación
exitosa, la cual requiere un enfoque equilibrado que considere cuidadosamente los aspectos
éticos, la capacitación del personal y la equidad para garantizar un futuro educativo inclusivo y
enriquecedor.
La IA ha facilitado la búsqueda de información adaptándose a las necesidades de los usuarios,
ofreciendo perspectivas amplias al momento de adquirir conocimientos. Además, dispone de
herramientas en evaluaciones automatizadas basadas en la eciencia y retroalimentación. Se
destaca el desarrollo y la formación profesional continua para maximizar los benecios
Para futuros trabajos, se debe mejorar los modelos de IA para la personalización efectiva del
aprendizaje, la mitigación de sesgos algorítmicos, el desarrollo de marcos éticos sólidos y el
impacto sobre el rendimiento estudiantil y la experiencia educativa.
REVISTA ODIGOS
QUITO-ECUADOR
2024
65
rodigos@uisrael.edu.ecREVISIÓN DE ESTUDIOS SOBRE LA INTELIGENCIA ARTIFICIAL ADAPTADA EN LA EDUCACIÓN
Referencias
Abbas, A., Yasin, A., y Hosseini, S. (2024). A global perspective of government initiatives to support higher edu-
cation during the COVID-19 pandemic : A systematic review of literature. Research in Globalization, 8.
https://doi.org/10.1016/j.resglo.2024.100202
Almache, J. y Márquez, J. (2023). Implicaciones éticas de la IA y su potencial impacto en el derecho internacio-
nal. Revista San Gregorio, 1(54), 209–231. https://doi.org/10.36097/rsan.v0i54.2203
Castro, J., Wong, R., Adesope, O., y Paas, F. (2021). Effectiveness of Multimedia Pedagogical Agents Predic-
ted by Diverse Theories: a Meta-Analysis. Educational Psychology Review, 33, 989–1015. https://doi.
org/10.1007/s10648-020-09587-1
Cornejo, I., y Cippitani, R. (2023). Ethical and Legal Considerations of Articial Intelligence in Higher Edu-
cation: Challenges and Prospects. Revista de Educacion y Derecho, (28). https://doi.org/10.1344/
REYD2023.28.43935
Crovi, D. (2023). Comunicación educativa en pospandemia: Factores que interpelan a la formación digital uni-
versitaria. InMediaciones de la comunicación, 19(1), 1688-8626. https://dialnet.unirioja.es/servlet/articu-
lo?codigo=9277369
Delgado, N., Campos, L., Sainz, M., y Etxabe, J. (2024). Aplicación de la Inteligencia Articial ( IA ) en Educa-
ción : los benecios y limitaciones de la IA percibidos por el profesorado de educación primaria , educación
secundaria y educación superior. Revista Electrónica Interuniversitaria de Formación del Profesorado,
27(1). https://doi.org/10.6018/reifop.577211
Dian, A., Santoso, H., Junus, K., y Suhartanto, H. (2023). The Effect of the Integration of Metacognitive and Moti-
vation Scaffolding Through a Pedagogical Agent on Self- and Co-Regulation Learning. IEEE Transactions
on Learning Technologies, 16(4), 573–584. https://doi.org/10.1109/TLT.2023.3266439
Díez, F., Villa, A., López, A., y Iraurgi, I. (2020). Impact of quality management systems in the performance of edu-
cational centers: educational policies and management processes. Heliyon, 6(4). https://doi.org/10.1016/j.
heliyon.2020.e03824
Divanji, R., Bindman, S., Tung, A., Chen, K., Castaneda, L., y Scanlon, M. (2023). A one stop shop? Perspecti-
ves on the value of adaptive learning technologies in K-12 education. Computers and Education Open, 5.
https://doi.org/10.1016/j.caeo.2023.100157
Flores, J., y García, F. (2023). Reexiones sobre la ética, potencialidadesy retos de la Inteligencia Articial en el
marcode la Educación de Calidad (ODS4). Comunicar, 31(74), 35–44. https://doi.org/10.3916/C74-2023-
03
REVISTA ODIGOS
QUITO-ECUADOR
2024
66
REVISTA ODIGOS • VOL.5 NUM. 2 • JUNIO - SEPTIEMBRE 2024
Habib, S., Vogelb, T., Anli, X., y Thorne, E. (2024). How does generative articial intelligence impact student
creativity? Journal of Creativity, 34(1). https://doi.org/10.1016/j.yjoc.2023.100072
Hünicken, L., González, A., Haag, M., Villafañe, y Ruppel, D. (2021). Gamicación y Aprendizaje Adaptativo en
la enseñanza de la asignatura Algoritmos y Estructuras de Datos. Electronic Journal of SADIO, 20 (2),
98–114. http://sedici.unlp.edu.ar/handle/10915/135599
Ingavélez, P., Robles, V., Pérez, A., Hilera, J., y Oton, S. (2022). Automatic Adaptation of Open Educational
Resources: An Approach From a Multilevel Methodology Based on Students’ Preferences, Educational
Special Needs, Articial Intelligence and Accessibility Metadata. IEEE Access, 10, 9703–9716. https://doi.
org/10.1109/ACCESS.2021.3139537
Joshi, S., Rambola, R., y Churi, P. (2021). Evaluating articial intelligence in education for next generation. Jour-
nal of Physics: Conference Series, 1714. https://doi.org/10.1088/1742-6596/1714/1/012039
Kabudi, T., Pappas, I., y Olsen, D. (2021). AI-enabled adaptive learning systems: A systematic mapping of the
literature. Computers and Education: Articial Intelligence, 2. https://doi.org/10.1016/j.caeai.2021.100017
Kumar, A., Krishnamurthi, R., Bhatia, S., Kaushik, K., Ahuja, N., Nayyar, A., y Masud, M. (2021). Blended Learning
Tools and Practices: A Comprehensive Analysis. IEEE Access, 9, 85151–85197. https://doi.org/10.1109/
ACCESS.2021.3085844
Liang, J., Hare, R., Chang, T., Xu, F., Tang, Y., Wang, F., Peng, S., y Lei, M. (2022). Student Modeling and
Analysis in Adaptive Instructional Systems. IEEE Access, 10, 59359–59372. https://doi.org/10.1109/AC-
CESS.2022.3178744
Lorenzo, N., Gallon, R., Palau, R., y Mogas, J. (2021). New Objectives for Smart Classrooms from Industry 4.0.
Technology, Knowledge and Learning, 26, 719–731. https://doi.org/10.1007/s10758-021-09527-0
Ly, B., Ly, R., y Hor, S. (2023). Zoom classrooms and adoption behavior among Cambodian students. Computers
in Human Behavior Reports, 9. https://doi.org/10.1016/j.chbr.2022.100266
Macpherson, T., Churchland, A., Sejnowski, T., DiCarlo, J., Kamitani, Y., Takahashi, H., y Hikida, T. (2021). Na-
tural and Articial Intelligence: A brief introduction to the interplay between AI and neuroscience research.
Neural Networks, 144, 603–613. https://doi.org/10.1016/j.neunet.2021.09.018
Martínez, M., Rigueira, X., Larrañaga, A., Martínez, J., Ocarranza, I., y Kreibel, D. (2023). Impact of articial
intelligence on assessment methods in primary and secondary education: Systematic literature review.
Revista de Psicodidáctica, 28(2), 93–103. https://doi.org/10.1016/j.psicoe.2023.06.002
Mills, N. (2021). ALEKS constructs as predictors of high school mathematics achievement for struggling stu-
dents. Heliyon, 7(6). https://doi.org/10.1016/j.heliyon.2021.e07345
REVISTA ODIGOS
QUITO-ECUADOR
2024
67
rodigos@uisrael.edu.ecREVISIÓN DE ESTUDIOS SOBRE LA INTELIGENCIA ARTIFICIAL ADAPTADA EN LA EDUCACIÓN
Minn, S. (2022). AI-assisted knowledge assessment techniques for adaptive learning environments. Computers
and Education: Articial Intelligence, 3. https://doi.org/10.1016/j.caeai.2022.100050
Mollo, J., Lázaro, R., y Crespo, R. (2023). Implementación de Nuevas Tecnologías de Información y Comunica-
ción para la Educación Superior: Revisión sistemática. Revista Ciencia & Sociedad, 3(1), 16–30. https://
www.cienciaysociedaduatf.com/index.php/ciesocieuatf/article/view/58
Pérez, R., Balderas, A., Muñoz, A., Cabrera, J., Palomo, M., y Dodero, J. (2023). ChatbotSQL: Conversational
agent to support relational database query language learning. SoftwareX, 22. https://doi.org/10.1016/j.
softx.2023.101346
Quintanar, R., y Hernández, M. (2022). Modelos Tecnológicos de Aprendizaje Adaptativo Aplicados a la Educa-
ción. Revista Tecnológica-Educativa Docentes 2.0, 15(1), 41–66. https://doi.org/10.37843/rted.v15i1.308
Rapanta, C., Botturi, L., Goodyear, P., Guàrdia, L., y Koole, M. (2021). Balancing Technology, Pedagogy and
the New Normal: Post-pandemic Challenges for Higher Education. Postdigital Science and Education, 3,
715–742. https://doi.org/10.1007/s42438-021-00249-1
Salcedo, D., Rosas, J., y Vicario, C. (2021). El Futuro de la Inteligencia Articial en educación en América
Latina [hoja informativa]. Boletín Upiita. http://www.boletin.upiita.ipn.mx/index.php/ciencia/946-cyt-nume-
ro-85/1950-el-futuro-de-la-inteligencia-articial-en-la-deteccion-de-enfermedades
Sanabria, J., Silveira, Y., Pérez, D., y Cortina, J. (2023). Incidences of articial intelligence in contemporary edu-
cation. Comunicar, 31(77). https://doi.org/10.3916/C77-2023-08
Sanda, L. y Klimova, B. (2021). Educational mobile applications for learning English as a second language by
Czech seniors. Procedia Computer Science, 192, 1848–1855. https://doi.org/10.1016/j.procs.2021.08.190
Skulmowski, A. (2023). The Cognitive Architecture of Digital Externalization. Educational Psychology Review,
35, 1–21. https://doi.org/10.1007/s10648-023-09818-1
Stolpe, K., y Hallström, J. (2024). Articial intelligence literacy for technology education. Computer and Educa-
tion Open, 6. https://doi.org/10.1016/j.caeo.2024.100159
Terrones A. y Rocha, M. (2024). El valor de la ética aplicada en los estudios de ingeniería en un horizonte de
inteligencia articial. Sophia, (37). https://doi.org/https://doi.org/10.17163/soph.n36.2024.07
VanderLinde, G. y Mera, T. (2023). El uso de inteligencia articial y sus desafíos para la evaluación académica:
una revisión de la literatura. Cuaderno de Pedagogía Universitaria, 21(41), 126-137.
Wu, X., Duan, R., y Ni, J. (2023). Unveiling security, privacy, and ethical concerns of ChatGPT. Journal of Infor-
mation and Intelligence, 2(2), 102-115. https://doi.org/10.1016/j.jiixd.2023.10.007
REVISTA ODIGOS
QUITO-ECUADOR
2024
68
REVISTA ODIGOS • VOL.5 NUM. 2 • JUNIO - SEPTIEMBRE 2024
Wu, B. y Zhou, Y. (2020). The Impact of MOOC Instructor Group Diversity on Review Volume and Rating -
Coursera Specialization as an Example. IEEE Access, 8, 111974–111986. https://doi.org/10.1109/AC-
CESS.2020.3000787
Yenduri, G., Kaluri, R., Rajput, D., Lakshmanna, K., Gadekallu, T., Mahmud, M., y Brown, D.(2023). From Assistive
Technologies to Metaverse - Technologies in Inclusive Higher Education for Students with Specic Learning
Difculties: A Review. IEEE Access, 11, 64907–64927. https://doi.org/10.1109/ACCESS.2023.3289496
Zafari, M., Bazargani, J., Sadeghi, A., y Choi, S. (2022). Articial Intelligence Applications in K-12 Educa-
tion: A Systematic Literature Review. IEEE Access, 10, 61905–61921. https://doi.org/10.1109/AC-
CESS.2022.3179356
Zhan, Z., He, L., Tong, Y., Liang, X., Guo, S., y Lan, X. (2022). The effectiveness of gamication in programming
education: Evidence from a meta-analysis. Computers and Education: Articial Intelligence, 3. https://doi.
org/10.1016/j.caeai.2022.100096
REVISTA ODIGOS
QUITO-ECUADOR
2024
69
rodigos@uisrael.edu.ecREVISIÓN DE ESTUDIOS SOBRE LA INTELIGENCIA ARTIFICIAL ADAPTADA EN LA EDUCACIÓN
Copyright (2024) © Miguel Angel Pico Quijije, Jhonny Antonio Lopez Pinargote y Eduar Enrique
Navarrete Zambrano.
Este texto está protegido bajo una licencia internacional Creative Commons 4.0.
Usted es libre para Compartir—copiar y redistribuir el material en cualquier medio o formato — y Adaptar
el documento — remezclar, transformar y crear a partir del material—para cualquier propósito, incluso para
nes comerciales, siempre que cumpla las condiciones de Atribución. Usted debe dar crédito a la obra
original de manera adecuada, proporcionar un enlace a la licencia, e indicar si se han realizado cambios.
Puede hacerlo en cualquier forma razonable, pero no de forma tal que sugiera que tiene el apoyo del
licenciante o lo recibe por el uso que hace de la obra.
Resumen de licencia – Texto completo de la licencia