2078-2090

Maestro y Sociedad e-ISSN 1815-4867

Volumen 23 Número 2 Año 2026

Artículo original

Percepción docente hacia la integración de herramientas de inteligencia artificial en el proceso educativo

Teachers´ perception towards the integration of artificial intelligence tools in the educational process

Percepções dos professores sobre a integração de ferramentas de inteligência artificial no processo educacional

Ana Maria Loor Solorzano *, https://orcid.org/0009-0008-8446-1264

Miguel Fabián Delgado Cedeño, https://orcid.org/0000-0002-2998-1274

Universidad Laica Eloy Alfaro de Manabí, Ecuador

*Autor para correspondencia. email ana.loor@pg.uleam.edu.ec

Para citar este artículo: Loor Solorzano, A. M. y Delgado Cedeño, M. F. (2026). Percepción docente hacia la integración de herramientas de inteligencia artificial en el proceso educativo. Maestro y Sociedad, 23(2), 2078-2090. https://maestroysociedad.uo.edu.cu

RESUMEN

Introducción: La integración de la Inteligencia Artificial (IA) en educación ha transformado las prácticas pedagógicas, ofreciendo nuevas perspectivas para personalizar la enseñanza. Sin embargo, en la Unidad Educativa Raymundo Aveiga (Chone, Ecuador) se evidenció una limitada adopción y comprensión por parte de los docentes, generando resistencia y desaprovechamiento de su potencial pedagógico. Materiales y métodos: Se desarrolló un estudio con enfoque mixto durante cuatro meses (diciembre 2025-marzo 2026). La muestra intencional incluyó 25 docentes y 3 directivos. Se aplicaron encuestas estructuradas (escala Likert), entrevistas semiestructuradas y observación directa de 5 actividades docentes, con triangulación de métodos y fuentes. Resultados: El 60% de los docentes manifestó desacuerdo con su preparación para integrar herramientas de IA; el 88% identificó la falta de capacitación como principal obstáculo. Solo el 32% ha utilizado IA en su práctica docente (ChatGPT y Copilot), limitada a generación de cuestionarios y búsquedas en línea. El 52% reconoce beneficios potenciales (personalización del aprendizaje), pero prevalece inseguridad. Las observaciones mostraron que el 60% utiliza IA en planificación, pero solo el 20% personaliza actividades y ninguno la emplea para evaluación. Los directivos (100%) están dispuestos a capacitar, pero reconocen ausencia de políticas institucionales claras. Se diseñó una estrategia estructurada en cuatro fases (sensibilización, capacitación, aplicación en el aula, evaluación y mejora continua). Discusión: Los hallazgos coinciden con estudios internacionales que señalan la falta de formación docente y apoyo institucional como principales barreras para la integración de la IA en educación. Conclusiones: Los docentes reconocen beneficios potenciales de la IA, pero enfrentan limitaciones en preparación, acceso y claridad pedagógica. La estrategia propuesta busca fortalecer su integración sistemática mediante formación y acompañamiento institucional.

Palabras clave: percepciones, docentes, Inteligencia artificial, estrategia.

Abstract

Introduction: The integration of Artificial Intelligence (AI) in education has transformed pedagogical practices, offering new perspectives for personalized teaching. However, at the Raymundo Aveiga Educational Unit (Chone, Ecuador), limited adoption and understanding by teachers was evident, generating resistance and underutilization of its pedagogical potential. Materials and methods: A mixed-methods study was conducted over four months (December 2025–March 2026). The purposive sample included 25 teachers and 3 administrators. Structured surveys (Likert scale), semi-structured interviews, and direct observation of 5 teaching activities were used, with triangulation of methods and sources. Results: 60% of teachers expressed disagreement with their preparedness to integrate AI tools; 88% identified the lack of training as the main obstacle. Only 32% had used AI in their teaching practice (ChatGPT and Copilot), limited to generating questionnaires and conducting online searches. Fifty-two percent recognize potential benefits (personalized learning), but uncertainty prevails. Observations showed that 60% use AI in planning, but only 20% personalize activities, and none use it for assessment. School administrators (100%) are willing to provide training, but acknowledge the lack of clear institutional policies. A structured strategy was designed in four phases (awareness, training, classroom application, evaluation, and continuous improvement). Discussion: The findings align with international studies that identify a lack of teacher training and institutional support as the main barriers to integrating AI into education. Conclusions: Teachers recognize the potential benefits of AI, but face limitations in preparation, access, and pedagogical clarity. The proposed strategy seeks to strengthen its systematic integration through training and institutional support.

Keywords: perceptions, teachers, artificial intelligence, strategy.

Resumo

Introdução: A integração da Inteligência Artificial (IA) na educação transformou as práticas pedagógicas, oferecendo novas perspectivas para o ensino personalizado. No entanto, na Unidade Educacional Raymundo Aveiga (Chone, Equador), a adoção e a compreensão limitadas por parte dos professores foram evidentes, gerando resistência e subutilização de seu potencial pedagógico. Materiais e métodos: Um estudo com métodos mistos foi conduzido ao longo de quatro meses (dezembro de 2025 a março de 2026). A amostra intencional incluiu 25 professores e 3 administradores. Foram utilizados questionários estruturados (escala Likert), entrevistas semiestruturadas e observação direta de 5 atividades de ensino, com triangulação de métodos e fontes. Resultados: 60% dos professores expressaram discordância quanto ao seu preparo para integrar ferramentas de IA; 88% identificaram a falta de treinamento como o principal obstáculo. Apenas 32% haviam utilizado IA em sua prática docente (ChatGPT e Copilot), limitando-se à elaboração de questionários e à realização de pesquisas online. Cinquenta e dois por cento reconhecem os benefícios potenciais (aprendizagem personalizada), mas a incerteza prevalece. As observações mostraram que 60% utilizam IA no planejamento, mas apenas 20% personalizam as atividades e nenhum a utiliza para avaliação. Os gestores escolares (100%) estão dispostos a oferecer treinamento, mas reconhecem a falta de políticas institucionais claras. Uma estratégia estruturada foi elaborada em quatro fases (conscientização, treinamento, aplicação em sala de aula, avaliação e melhoria contínua). Discussão: Os resultados estão em consonância com estudos internacionais que identificam a falta de formação de professores e de apoio institucional como as principais barreiras à integração da IA na educação. Conclusões: Os professores reconhecem os benefícios potenciais da IA, mas enfrentam limitações em termos de preparação, acesso e clareza pedagógica. A estratégia proposta busca fortalecer sua integração sistemática por meio de treinamento e apoio institucional.

Palavras-chave: percepções, professores, inteligência artificial, estratégia.

Recibido: 5/2/2026 Aprobado: 28/3/2026

Introducción

En la actualidad la integración de la Inteligencia Artificial (IA) en la educación ha transformado las prácticas pedagógicas ofreciendo nuevas perspectivas para personalizar la enseñanza, adaptarlas a las necesidades y estilos de aprendizaje individuales de los estudiantes, incrementar la motivación, así como para automatizar tareas administrativas y optimizar los procesos de evaluación. Su implementación en contextos escolares no solo está revolucionando los métodos de enseñanza, sino también está redimensionando el rol del profesor en el proceso de aprendizaje.

En los últimos años se ha generado un creciente interés por explorar su potencial para innovar los procesos pedagógicos. La IA ha impulsado la creación de entornos colaborativos e interactivos que promueven el desarrollo de habilidades clave para la educación del siglo XXI, como la creatividad, la autonomía y el pensamiento crítico (García-Peñalvo, 2021; UNESCO, 2024a).

Según la UNESCO (2024), la Inteligencia Artificial ofrece un gran potencial para hacer frente a algunos de los principales retos de la educación contemporánea, innovar las prácticas de enseñanza-aprendizaje y acelerar el progreso hacia el cumplimiento del Objetivo de Desarrollo Sostenible número 4 sobre educación de calidad. Su impacto en la educación no se delimita a los estudiantes, sino también en los docentes. La percepción de estos últimos es crucial para entender las posibilidades, retos y limitaciones de la IA.

Autores tales como García-Peñalvo, (2021); Feixas y Martínez-Usarralde, (2022); Bouranta y Psomas, (2024), citados por Hernández (2026), refieren que el éxito de cualquier innovación educativa depende en gran medida de la aceptación y la autoeficacia de los profesores. Es por ello, que resulta un elemento clave comprender cómo perciben los docentes la implementación de la IA, al ser estos quienes vinculan las herramientas digitales con el aprendizaje real.

Entiéndase la percepción por el proceso mediante el cual los docentes organizan, identifican e interpretan la información obtenida del entorno, a partir de la cual, elabora una determinada impresión, ya sea esta inconsciente o consciente, acerca de la realidad relacionada con las herramientas de IA. Es completamente individual y adaptada a un tiempo y espacio determinados.

La presente investigación parte de un estudio realizado a los docentes de la Unidad Educativa Raymundo Aveiga sobre la integración de herramientas de inteligencia artificial en el proceso educativo. El mismo arrojó que existen limitaciones relacionadas con el conocimiento y uso pedagógico de la inteligencia artificial, lo que genera resistencia y desaprovechamiento de su potencial formativo. Basado en la problemática anterior se determinó como problema de investigación: ¿Cuáles son las percepciones de los docentes de la Unidad Educativa Raymundo Aveiga hacia la integración de herramientas de inteligencia artificial en el proceso educativo?

Para este estudio se declaró como objetivo general: Analizar las percepciones de los docentes de la Unidad Educativa Raymundo Aveiga hacia la integración de herramientas de inteligencia artificial en el proceso educativo. Los objetivos específicos consisten en: Identificar las principales herramientas de inteligencia artificial utilizadas y conocidas por los docentes, acceso a ellas, beneficios, limitaciones y retos y proponer una estrategia para fortalecer el uso pedagógico.

El rol de la Inteligencia Artificial en el proceso educativo

La inteligencia artificial se ha convertido en un catalizador de las transformaciones educativas. Le brinda a los docentes varias alternativas prácticas a tomar en consideración. Los sistemas de IA pueden adaptarse al ritmo y estilo de cada estudiante, detectando dificultades y ofreciendo retroalimentación inmediata, por lo que personaliza el aprendizaje (Holmes, et al 2021). Facilita, también, la creación de materiales, análisis de datos de rendimiento académico, planificación de clases y gestión administrativa; permite introducir nuevas metodologías como el aprendizaje adaptativo, gamificación y tutorías inteligentes y la creación de entorno virtuales inmersivos. Estas innovaciones promueven el aprendizaje más significativo y motivador por lo que se impulsa la innovación educativa.

La IA desarrolla competencias digitales, los estudiantes adquieren habilidades de investigación, pensamiento crítico y colaboración en entornos digitales. Además, puede ayudar a estudiantes con necesidades especiales mediante herramientas de accesibilidad y apoyo personalizado. Esto contribuye a una educación más inclusiva y equitativa.

Sin embargo, presenta retos y riesgos. Estos se resumen en: dependencia tecnológica, riesgo de que los docentes y estudiantes confíen demasiado en la IA; sesgos algorítmicos, los sistemas pueden reproducir desigualdades si no se diseñan con cuidado. Por lo que resulta crucial garantizar seguridad en el manejo de información estudiantil, la privacidad y protección de datos. Asimismo, crea una brecha digital, al no tener todas las instituciones acceso a una infraestructura tecnológica adecuada.

Por otra parte, se requiere educar sobre el uso responsable de la IA, evitando plagio, deepfakes o manipulación de contenidos. Al respecto Selwyn (2022), advierte sobre los riesgos como la dependencia tecnológica, la pérdida de autonomía del docente y los problemas éticos.

Las aplicaciones de la IA en el plano educativo son diversas. Existen sistemas de tutoría inteligente, análisis de datos de aprendizaje, chatbots para asistencia académica y herramientas de evaluación automatizadas. Luckin (2021), destaca que estas aplicaciones facilitan la retroalimentación inmediata y la gestión del aprendizaje.

La inteligencia artificial está transformando la educación al ofrecer beneficios adicionales significativos. Estos progresos están renovando la experiencia educativa y preparando a los estudiantes para un futuro cada vez más tecnológico. La IA procesa enormes cantidades de información, genera nuevos contenidos y ayuda a la toma de decisiones mediante análisis predictivos. En el ámbito educativo, la IA ha transformado la relación tradicional docente-estudiante, creando una nueva dinámica docente-IA-estudiante (Selwyn (2022). Este cambio exige modificar los roles de los docentes y las competencias que necesitan en la era de la IA.

A medida que las tecnologías de IA se integran en la vida cotidiana y a las prácticas pedagógicas, emerge la necesidad de investigaciones que promuevan análisis críticos sobre este tema sobre la percepción de los docentes. Al respecto se destacan los estudios de Andreoli et al (2024), Hernández (2026), y Jiménez Carpio y Solis Granda (2026).

Las investigaciones consultadas enfatizan en la creciente implicación de la IA en los contextos educativos, evidenciando una gran variedad de percepciones docentes, que van desde el miedo, posiciones escépticas, hasta el optimismo. Estos estudios destacan de una forma u otra las oportunidades y los desafíos de la IA para los procesos educativos.

La necesidad de una integración de la IA en las prácticas docentes, emerge como tema imperioso para la transformación de las estrategias didácticas. Se señala, además, la imperiosa necesidad de elaborar programas de formación docente que permitan desarrollar competencias digitales para enfrentar de una mejor manera los cambios que la tecnología impone en el entorno educativo.

La integración de la IA en la actividad docente: Modelos y competencias

La integración de la inteligencia artificial en el aula requiere de marcos conceptuales que permitan comprender tanto la disposición de los docentes como las condiciones institucionales que facilitan o limitan su uso. Entre los modelos más citados se identifican los siguientes modelos de integración de tecnologías en el aula y de aceptación tecnológica: el modelo TPACK (Technological Pedagogical Content Knowledge), el modelo SAMR (Substitution, Augmentation, Modification, Redefinition), modelo TAM (Technology Acceptance Model), y el UTAUT (Unified Theory of Acceptance and Use of Technology). Cada uno ofrece un marco para integrar o comprender la aceptación de la tecnología en educación y organizaciones, con beneficios claros, pero también limitaciones importantes. Sin embargo, no todos responden de manera adecuada a la problemática identificada en la Unidad Educativa Raymundo Aveiga, donde los resultados muestran que los docentes reconocen beneficios de la IA pero la aplican de manera reduccionista y esporádica, y que la falta de capacitación y apoyo institucional es la principal barrera.

El modelo TPACK, (Mishra &Koehler 2006, actualizado en contexto de IA por Cabero-Almenara, 2020), enfatiza la intersección entre conocimiento tecnológico, pedagógico y disciplinar. Su fortaleza radica en que ayuda a comprender cómo los docentes integran tecnologías en función de su materia y metodología. Sin embargo, estudios recientes como el de Escobar Barrientos et al. (2023) advierten que TPACK resulta más efectivo en contextos donde los docentes ya poseen un nivel básico de dominio tecnológico. Investigaciones como la de Alzahrani y Alzahrani (2025) muestran que TPACK puede moderar la aceptación de tecnologías como ChatGPT, pero siempre en combinación con modelos de aceptación como UTAUT2.

El modelo SAMR (Puentedura, 2021), ofrece un marco para evaluar cómo la tecnología transforma la práctica educativa desde la sustitución hasta la redefinición. Permite clasificar el nivel de integración tecnológica en el aula. Su uso de IA se limita a la sustitución básica, como cuestionarios automáticos o búsquedas en línea. Esto coincide con lo señalado por Hamilton, Rosenberg y Akcaoglu (2016), quienes encontraron que en muchos contextos el uso de tecnología se queda en los niveles más bajos del modelo. Escobar Barrientos et al. (2023), plantea que SAMR es útil para describir prácticas, pero no explica las razones de aceptación o rechazo, que son el núcleo del problema investigativo de este estudio. Por tanto, SAMR puede servir como complemento descriptivo, pero no como modelo central

El Modelo TAM (Fred Davis (1989), ampliado por Davis, Bagozzi y Warshaw, 2023), se centra en dos variables: utilidad percibida y facilidad de uso percibida. Investigaciones recientes como la de Teo (2021) confirman que TAM sigue siendo un modelo sólido para explicar la aceptación tecnológica en educación. Sin embargo, TAM no incorpora factores institucionales ni sociales, aspectos decisivos en la presente investigación. Estudios como el de Salloum et al. (2019) y más actuales como el de Ushb et al. (2025) muestran que TAM es insuficiente cuando se trata de tecnologías emergentes como la IA, donde las condiciones institucionales y sociales juegan un papel fundamental.

El modelo UTAUT (Unified Theory of Acceptance and Use of Technology), su principal exponent Venkatesh et al. (2003). amplía el TAM incorporando variables como expectativa de esfuerzo, influencia social y condiciones facilitadoras. En el estudio exploratorio realizado en la presente investigación los resultados muestran que los directivos de la Unidad Educativa Raymundo Aveiga están dispuestos a capacitar, pero que no existen políticas claras; los docentes reconocen beneficios, pero no los aplican; y los estudiantes reaccionan con interés cuando se emplea IA, aunque su uso es esporádico. Todo esto se relaciona directamente con las variables de UTAUT.

Estudios recientes confirman su pertinencia: Ushb et al. (2025) aplicaron UTAUT y TPACK para estudiar percepciones de IA generativa en educación, encontrando que la aceptación depende tanto de la facilidad de uso como de las condiciones institucionales. De manera similar, Alzahrani y Alzahrani (2025) analizaron la adopción de ChatGPT en universidades con UTAUT2 y TPACK, hallando que factores como condiciones facilitadoras y riesgos de privacidad influyen significativamente en la intención de uso, mientras que el TPACK modera esa relación. Además, investigaciones como la de Al-Maroof et al. (2021) y más recientemente la de Alshahrani (2024) muestran que UTAUT es especialmente útil para explicar la aceptación de tecnologías emergentes en educación, porque integra variables individuales, sociales e institucionales.

Aunque TPACK y SAMR son útiles para analizar cómo se integra la tecnología en la práctica pedagógica, y TAM explica la brecha entre percepción y práctica, el modelo que se asume en la presente investigación es el UTAUT. Lo anterior se fundamenta en: explica la brecha entre percepción positiva y falta de uso real; incorpora factores sociales e institucionales, claves en el contexto; está respaldado por investigaciones recientes que confirman su pertinencia en estudios sobre IA en educación; y puede complementarse con TPACK para enriquecer el análisis pedagógico, tal como sugieren Alzahrani y Alzahrani (2025). En otras palabras, UTAUT ofrece un marco integral y contextualizado para comprender por qué los docentes de la Unidad Educativa Raymundo Aveiga reconocen beneficios de la IA, pero no la aplican, y cómo las políticas institucionales pueden transformar esa percepción.

Los docentes al integrar la inteligencia artificial en el ámbito educativo necesitan un conjunto de competencias digitales, pedagógicas y éticas que les permitan usar la IA de manera responsable, efectiva y centrada en el aprendizaje. El marco de competencias en materia de IA para docentes aborda esta brecha al definir los conocimientos, habilidades y valores que los docentes deben dominar en la era de la IA.

En la actualidad existen dos referentes para desarrollar y evaluar las competencias digitales, uno declarado por la UNESCO y el European Framework for the Digital Competence of Educators (DigCompEdu), desarrollado por el Joint Research Centre de la Comisión Europea y traducido al español por el Instituto Nacional de Tecnologías Educativas y de Formación del Profesorado (INTEF) en 2021.

Desarrollado bajo los principios de protección de los derechos de los docentes, del fortalecimiento de la capacidad de acción humana y de la promoción de la sostenibilidad, la publicación describe 15 competencias que atraviesan cinco dimensiones declaradas por la UNESCO (2024): una forma de pensar centrada en el ser humano, la ética de la IA. los fundamentos y aplicaciones de la IA, la pedagogía de la IA y la IA para el aprendizaje profesional. Estas competencias se clasifican en tres niveles de progresión: adquirir, profundizar y crear.

El marco de competencias en IA para docentes se centra en el desarrollo profesional a lo largo de toda la vida de los docentes y proporciona un marco de referencia para el desarrollo de competencias y los programas de formación nacionales. Su objetivo es garantizar que la preparación de los docentes para utilizar la IA de manera responsable y eficaz, minimizando a la vez los riesgos potenciales que esta pudiera representar para los alumnos y la sociedad.

Competencias clave para el uso de IA en educación UNESCO (2024)

1. Conocimientos técnicos y digitales:

• Comprender los fundamentos de la IA: algoritmos, aprendizaje automático, procesamiento de datos.

• Manejar herramientas de IA aplicadas a la educación (chatbots, sistemas de tutoría inteligente, análisis de datos de aprendizaje).

• Competencia en gestión de información y datos: interpretar resultados generados por sistemas inteligentes.

2. Competencias pedagógicas:

• Diseñar experiencias de aprendizaje apoyadas en IA que fomenten la personalización y la inclusión.

• Integrar IA en metodologías activas (aprendizaje basado en proyectos, gamificación, aprendizaje adaptativo).

• Evaluar críticamente el impacto de la IA en los procesos de enseñanza-aprendizaje.

3. Competencias éticas y sociales:

• Aplicar principios de ética digital: protección de datos, privacidad, transparencia en el uso de algoritmos.

• Promover un enfoque centrado en el ser humano, evitando sesgos y discriminación en sistemas de IA.

• Desarrollar pensamiento crítico frente a los resultados que ofrece la IA

4. Competencias de innovación y creatividad:

• Usar la IA para crear nuevas dinámicas educativas y materiales innovadores.

• Explorar aplicaciones de IA en la resolución de problemas y en la generación de contenidos.

• Fomentar la creatividad de los estudiantes con herramientas de IA generativa.

5. Competencias de aprendizaje profesional continuo:

• Actualizarse constantemente en nuevas tecnologías y tendencias de IA educativa.

• Participar en programas de formación docente en IA impulsados por ministerios y organismos internacionales.

El DigCompEdu es el marco europeo que define las competencias digitales específicas que necesitan los docentes para integrar la tecnología en la enseñanza. Fue desarrollado por el Joint Research Centre de la Comisión Europea y traducido al español por el INTEF en 2021, y se aplica a todos los niveles educativos, desde infantil hasta educación superior. Su objetivo radica en proporcionar un marco común para describir, evaluar y desarrollar la competencia digital de los educadores.

DigCompEdu organiza 22 competencias en seis áreas clave:

1. Compromiso profesional → Uso de tecnologías para comunicación, colaboración y desarrollo profesional.

2. Recursos digitales → Selección, creación y gestión de materiales digitales.

3. Enseñanza y aprendizaje → Integración de herramientas digitales en metodologías didácticas.

4. Evaluación → Uso de tecnologías para seguimiento, retroalimentación y análisis del aprendizaje.

5. Empoderamiento de los estudiantes → Adaptación de la enseñanza para la inclusión, motivación y autonomía.

6. Facilitación de la competencia digital de los estudiantes → Ayudar a los alumnos a desarrollar sus propias competencias digitales

El marco establece permite a los docentes autoevaluarse y planificar su desarrollo profesional y establece un modelo similar al del MCER (lenguas), con 6 niveles acumulativos:

• A1 – Novel (principiante)

• A2 – Explorador

• B1 – Integrador

• B2 – Experto

• C1 – Líder

• C2 – Pionero

El modelo de competencias aportado por la UNESCO ofrece un enfoque más amplio y actualizado, especialmente en ética y uso de inteligencia artificial. Al respecto se asume al modelo que aporta el DigCompEdual, al estar este último más vinculado con la práctica del docente para la integración digital en el aula. Es una referencia global con énfasis en la IA y equidad.

Materiales y métodos

El estudio se realizó en el ambiente de la Unidad Educativa Raymundo Aveiga, tomando como población a 56 docentes. Dicha unidad educativa es una institución pública de referencia en Chone, Manabí, con tradición en la formación de generaciones locales. Atiende a más de medio millar de estudiantes con un cuerpo docente sólido, ofrece educación básica y bachillerato y se caracteriza por su vocación inclusiva, su ubicación estratégica en el centro urbano, su papel histórico en la comunidad y su contribución al desarrollo educativo de la zona urbana y rural cercana.

La muestra quedó conformada por 25 docentes y tres directivos de la institución escolar referida. Esta muestra seleccionada es de tipo intencional, en tal sentido Tamayo (2012), la denomina muestreo intencionado o sesgado.

La investigación se desarrolló en un contexto, tiempo y espacio específicos (Hernández Sampieri et al., 2018), en un período de cuatro meses, desde diciembre de 2025 hasta inicios de marzo de 2026. Además, el estudio se implementó con un enfoque mixto integrando aspectos cualitativos y cuantitativos (Vizcaíno Zúñiga y Maldonado Palacios (2023).

Se emplearon métodos empíricos como la encuesta, mediante la aplicación de un cuestionario estructurado a profesores, con el fin de recopilar datos sobre las variables a estudiar. También se aplicó una entrevista a tres directivos de la institución. Estos instrumentos se centraron en las percepciones sobre el conocimiento la IA, uso y acceso, beneficios, retos, preocupaciones, capacitación sobre estas herramientas. Para ello se utilizó una escala de Likert de cinco puntos.

Se utilizó, además, la observación durante las actividades docentes. La guía de observación se diseñó tomando como referente a los mismos indicadores de la encuesta y entrevista, con el propósito de corroborar los datos obtenidos. Se empleó la triangulación de métodos y fuentes para comparar y corroborar los datos obtenidos y disminuir la subjetividad a la hora de la interpretación de los mismos.

Se utilizaron métodos del nivel teórico tales como, la Inducción –Deducción y el Análisis y Síntesis con el objetivo de determinar los fundamentos teóricos que sostienen esta investigación, así como en el procesamiento y análisis de los resultados. Asimismo, se emplearon instrumentos de análisis estadístico en específico estadística descriptiva con algunas técnicas de análisis inferencial para el cálculo de la media y análisis porcentual.

RESULTADOS

Los resultados derivados de la aplicación de la encuesta a profesores de la Unidad Educativa Raymundo Aveiga abarcó un total de cuatro secciones: nivel de conocimiento y uso de IA, percepciones sobre beneficios, retos y preocupaciones, actitudes y disposición, y una última sección la cual incluyó respuestas abiertas sobre posibles sugerencias.

Se destaca en este estudio, aunque no incidió de manera significativa en los resultados, la edad y años de experiencia de los 25 docentes que integraron la muestra seleccionada. El 40% oscila entre los 28 a 35 años de edad y entre los cinco y 15 años de experiencia en el sector educativo; el 36% oscila entre el rango de los 35 y 45 años y más de 15 años de experiencia; y un 24% entre los 45 a 60 años y más de 25 años de experiencia. A continuación, se presentan los resultados en las encuestas a profesores.

Tabla 1 Resultados en las encuestas a profesores.

Escalas	Conocimiento básico sobre IA	Preparación para integrar IA	Beneficios de la IA en personalización	Falta de capacitación como obstáculo
Totalmente en desacuerdo	0,00	0,00	0,00	0,00
En desacuerdo	10 (40%)	15 (60%)	7 (28%)	1 (4%)
Neutral	6 (24%)	4 (16%)	5 (20%)	4 (16%)
De acuerdo	9 (36%)	6 (24%)	13 (52%)	7 ( 28%)
Totalmente de acuerdo	0,00	-	-	13 (52%)
Total	25 (100%)	25 (100%)	25 (100%)	25 (100%)

Nota: Elaboración propia a partir de la encuesta a docentes

Solo el 32% de los docentes (8), plantea usar la IA en la preparación de sus clases, y en la explicación de contenidos. En este por ciento inciden los profesores que tienen un rango de edad entre los 28 a 45 años.

Los profesores que han usado IA en sus actividades docentes, lo hicieron principalmente para generar cuestionarios o materiales de apoyo. Las herramientas de IA más utilizadas son el ChatGPT y el Copilot. El 36% destaca estar de acuerdo con poseer un conocimiento básico sobre IA, el 40% está en desacuerdo y el 24% es neutral. En estos últimos resultaos inciden los profesores mayores de 45 años.

Resulta significativo destacar que el 60% de los encuestados está en desacuerdo sobre su preparación para integrar herramientas de IA en sus actividades docentes, el 24% se siente preparado y el 16% es neutral sobre el tema. La mayoría (52%), reconoce los beneficios potenciales, pero se sienten inseguros y poco preparados. Se percibe una tensión entre el entusiasmo por la innovación y el temor a que la IA reste protagonismo al rol humano del docente. Otra de las preocupaciones manifestadas por los docentes entre los 50 y 60 años, está relacionada con la complejidad tecnológica que estas herramientas demandan a partir de la preparación previa que han tenido al respecto. Lo anterior conduce la resistencia al cambio. A pesar de esto, se reconocen varios beneficios de la aplicación de estas herramientas. Entre estos se destacan: la personalización del aprendizaje, la generación de contenidos, tutorías guiadas, y la evaluación del aprendizaje.

La entrevista a directivos abarcó un total de cinco secciones relacionadas con: claridad institucional sobre el uso de la IA, frecuencia de uso, acceso, disposición institucional a la capacitación sobre la IA y proyecciones.

Tabla 2 Entrevista a directivos

Escalas	Claridad institucional sobre IA	Frecuencia de uso docente de IA	Disposición institucional a capacitar
Totalmente en desacuerdo	0,00	0,00	0.00
En desacuerdo	1 (33%)	2 (67%)	0.00
Neutral	1 (33%)	1 (33%)	0.00
De acuerdo	0	0.00	0,00
Totalmente de acuerdo	1 (33%)	0.00	3 (100%)
Total	3 (100%)	3 (100%)	3 (100%)

Nota: Elaboración propia a partir de la entrevista a directivos

El 33% de los directivos están totalmente de acuerdo con que no existe todavía claridad institucional sobre el uso e implementación de herramientas de IA en la unidad educativa. Un docente (33%), asume una posición neutral y otro (33%), plantea estar en desacuerdo. Estos destacan como principales herramientas utilizadas al ChatGPT, Copilot, búsquedas en línea o cuestionarios automáticos. El 67% indica que está en desacuerdo con que su frecuencia de uso sea sistemática por parte del profesorado. Plantean, además, que el acceso a estas herramientas es limitado básicamente por las condiciones de infraestructura y conectividad de la institución.

Por otra parte, reconocen que el uso de IA es limitado y depende de la iniciativa personal de algunos docentes. Señalan que la falta de capacitación es la principal razón del no uso. Es importante destacar que existe el 100% de disposición institucional a capacitar a los docentes. Asimismo, se considera que la IA puede ser estratégica para la innovación, pero aún no existe una política institucional clara. Se percibe voluntad de cambio, aunque falta planificación.

Se observaron un total de cinco actividades docentes. Los principales indicadores a observar fueron; uso de IA en planificación de las actividades, uso de IA en explicación de contenidos, personalización de actividades con IA, evaluación con apoyo de IA, disposición hacia la implementación de la IA, e impacto en los estudiantes.

Tabla 3 Actividades docentes

Indicadores	Número de actividades docentes	Por cientos
Uso de IA en planificación de las actividades	3	60%
Uso de IA en explicación de contenidos	2	40%
Personalización de actividades con IA	1	20%
Evaluación con apoyo de IA	0	0.00

Nota: Elaboración propia a partir de la observación

Los resultados conclusivos destacan que solo en tres actividades docentes (60%) de las observadas, se utilizaron herramientas de IA en la preparación de las mismas y solo se enmarcaron a la utilización del ChatGPT y el Co-pilot. Con respecto a la utilización para la explicación de contenidos, solo el 40% implementó, y se limitó a búsquedas en línea o cuestionarios automáticos. Solo en una clase se personalizaron actividades con IA (20%). No se implementaron herramientas de IA para la evaluación. Por otra parte, los docentes muestran curiosidad, pero también inseguridad en el manejo.

Los estudiantes reaccionan con interés y motivación hacia las actividades docentes cuando se emplea IA, aunque su uso por los docentes es esporádico y no sistemático. Se percibe que la IA aún no está integrada de manera pedagógica, sino como recurso ocasional. Se destaca también limitaciones en el acceso a las herramientas de IA sobre todo condicionadas por la infraestructura obsoleta.

Al triangular datos y fuentes se concluye que existen limitaciones en cuanto a la preparación, uso, y acceso a las herramientas de IA en el proceso educativo. La principal barrera es la falta de capacitación y claridad pedagógica sobre cómo integrar la IA. Tanto docentes como directivos reconocen beneficios potenciales, pero prevalece la resistencia y preocupación por riesgos éticos, técnicos y por la posible sustitución del rol docente. Se observa un interés creciente, pero aún sin estrategia institucional que lo respalde.

La Unidad Educativa Raymundo Aveiga se encuentra en una etapa inicial respecto a la integración de IA. Aunque hay disposición a capacitarse y cierta apertura hacia la innovación, predominan la inseguridad y la percepción de que la IA aún no es esencial en el proceso educativo. Los docentes se encuentran en un nivel A1, novel, principiante en torno a las competencias digitales. Los factores personales relacionados con la edad y experiencia de los profesores no inciden en las percepciones reveladas por el claustro. Se requiere una estrategia de formación, acompañamiento y sensibilización para superar las barreras y aprovechar las oportunidades de la IA en la enseñanza.

DISCUSIÓN

Los resultados muestran coincidencias claras con estudios internacionales: los docentes reconocen beneficios de la IA, pero su uso es limitado y las principales barreras son la falta de capacitación y las preocupaciones éticas. Sin embargo, algunos trabajos reportan niveles de aceptación más altos que los hallados en la Unidad Educativa Raymundo Aveiga, lo que evidencia diferencias contextuales.

Los resultados del presente estudio indican que solo el 32% de los docentes ha usado IA en clase y que 88% percibe la falta de capacitación como el principal obstáculo. Esto coincide con lo aportado por Alwaqdani (2024), el cual señaló que los docentes saudíes reconocen el potencial de la IA para ahorrar tiempo y personalizar el aprendizaje, pero mantienen una postura cautelosa debido a la falta de formación y preocupaciones sobre la calidad educativa. En contraste, Cabero-Almenara et al. (2024) hallaron en Ecuador y España un alto nivel de aceptación de la IA, influido por creencias pedagógicas constructivistas y condiciones institucionales favorables. Esto muestra que el contexto institucional y cultural puede marcar diferencias significativas en la percepción docente-

Los directivos entrevistados reconocen que el uso de IA es escaso y depende de la iniciativa personal de algunos docentes, aunque muestran disposición institucional a capacitar. Este hallazgo coincide con Mota, Buele y Llerena-Aguirre (2025), quienes señalan que muchos docentes universitarios enfrentan dificultades para incorporar la IA de manera crítica y ética, debido a la falta de apoyo institucional y políticas claras. Sin embargo, estudios como el de Sharmin et al. (2026) muestran que cuando existe apoyo institucional y formación, los docentes tienden a valorar más positivamente la IA y a integrarla en sus prácticas. Esto evidencia que la percepción de los directivos es clave para impulsar cambios.

Las observaciones revelaron un uso limitado y esporádico de IA, delimitado a búsquedas en línea y cuestionarios automáticos, uso del Chat GPT y el Copilot. Este hallazgo coincide con la revisión sistemática de Baggia et al. (2026), que muestra que los docentes suelen usar la IA principalmente para preparación de clases y retroalimentación, mientras que su integración en la enseñanza directa es aún incipiente. La diferencia radica en que, en otros contextos educativos, la IA ya se emplea para evaluación formativa y diseño de actividades, mientras que en la Unidad Educativa Raymundo Aveiga su uso sigue siendo insuficiente.

La Unidad Educativa Raymundo Aveiga se encuentra en una etapa inicial respecto a la integración de IA. Aunque existe interés y disposición a capacitarse, predominan la inseguridad y la percepción de que la IA aún no es esencial en el proceso educativo. La comparación con estudios internacionales evidencia que el factor decisivo es la existencia de políticas institucionales y programas de formación docente, sin los cuales la IA se mantiene como recurso inalcanzable. Es decir, el problema no es la resistencia intrínseca de los docentes, sino la ausencia de estrategias institucionales de formación y acompañamiento.

Para solucionar la problemática planteada se elaboró una Estrategia para Fortalecer el uso de la Inteligencia Artificial en el proceso educativo. Para la elaboración de la misma se consultaron los trabajos de Marín Llaver et al (2023), Thompson (2025) y Robbins (2025).

Al respecto se asume la definición aportada por Marín Llaver et al (2023), al plantear que una estrategia es un resultado científico que organiza de manera reflexiva el proceder del investigador (objetivos, etapas, acciones), garantizando la efectividad en la concreción de los resultados. La estrategia que se presenta está conformada por cuatro etapas con sus respectivas acciones, contenido y retroalimentación, relacionadas entre sí.

Estrategia para Fortalecer el Uso Pedagógico de la Inteligencia Artificial en el Proceso Educativo

Problema a resolver

Los resultados obtenidos en la investigación muestran que los docentes de la Unidad Educativa Raymundo Aveiga poseen una percepción limitada acerca de la importancia de la IA en el proceso educativo. El uso real de estas herramientas es mínimo, y la principal barrera identificada es la falta de capacitación y claridad pedagógica sobre cómo integrarlas de manera efectiva.

El objetivo general de la estrategia está dirigido a: Fortalecer el uso pedagógico de herramientas de inteligencia artificial por parte de los docentes, promoviendo su integración sistemática en el proceso educativo.

Objetivos específicos:

1. Sensibilizar a los docentes sobre la importancia y beneficios de la IA en la educación.

2. Capacitar en el manejo técnico y pedagógico de herramientas de IA.

3. Promover experiencias prácticas de aplicación en el aula.

4. Establecer mecanismos de retroalimentación y mejora continua.

Etapas o fases de la estrategia

Fase I: Sensibilización

Acciones:

• Realizar talleres de reflexión sobre el papel de la IA en la educación.

• Presentar casos de éxito y buenas prácticas en instituciones educativas.

Contenidos:

• Conceptos básicos de IA.

• Beneficios y riesgos de su integración.

• Impacto en la relación docente–estudiante.

Retroalimentación:

1. Encuestas de percepción inicial.

2. Registro de expectativas y preocupaciones de los docentes.

Fase II: Capacitación

Acciones:

• Cursos de formación en herramientas específicas (generadores de contenidos, asistentes virtuales, plataformas adaptativas).

• Sesiones prácticas de uso guiado.

Contenidos:

• Manejo técnico de herramientas de IA.

• Estrategias pedagógicas para su integración.

• Aspectos éticos y de privacidad de datos.

Retroalimentación:

• Evaluaciones de desempeño en el uso de herramientas.

• Autoevaluaciones de confianza y preparación docente.

Fase III: Aplicación en el aula

Acciones:

• Implementar proyectos piloto en diferentes asignaturas.

• Promover el diseño de actividades que integren IA (ejercicios personalizados, retroalimentación automática).

Contenidos:

• Diseño de secuencias didácticas con apoyo de IA.

• Experiencias de aprendizaje adaptativo.

Retroalimentación:

• Observaciones directas de clases.

• Registro de reacciones y participación de los estudiantes.

Fase IV: Evaluación y mejora continua

Acciones:

• Reuniones periódicas de análisis de resultados.

• Ajustes en la estrategia según necesidades detectadas.

Contenidos:

• Indicadores de impacto en el aprendizaje.

• Buenas prácticas institucionales.

Retroalimentación:

• Informes de avance.

• Encuestas de satisfacción docente y estudiantil.

Resulta relevante destacar que el acompañamiento institucional es necesario. La estrategia debe estar respaldada por políticas internas que promuevan la innovación pedagógica. Asimismo, se debe garantizar acceso a equipos y conectividad adecuados, y fomentar una cultura de innovación a través de un ambiente de apertura al cambio y experimentación.

La estrategia propone un camino gradual: primero sensibilizar, luego capacitar, aplicar en la práctica y finalmente evaluar para mejorar. Con ello se busca transformar la percepción de los docentes, superar las barreras de inseguridad y falta de preparación, y consolidar un uso pedagógico de la IA que beneficie tanto a los docentes como a los estudiantes.

La presente investigación aporta un estudio sobre la percepción de los docentes de la Unidad Educativa Raymundo Aveiga hacia la integración de herramientas de inteligencia artificial en el proceso educativo, la cual representa una oportunidad significativa para transformar los procesos de enseñanza y aprendizaje, permitiendo mayor personalización, retroalimentación inmediata y optimización de tareas pedagógicas. Esta investigación busca aportar evidencia científica y propuestas formativas que impulsen una transformación educativa responsable y contextualizada en la institución. Asimismo, se propone estrategia para fortalecer el uso de la Inteligencia Artificial en el proceso educativo, la cual promueve su integración sistemática a través de experiencias prácticas de aplicación en el aula.

Desde la práctica, este estudio puede constituir una propuesta metodológica para analizar las percepciones de los docentes sobre la utilización de las herramientas de IA en el proceso educativo. Se presenta el estado actual de dichas percepciones en el contexto educativo, sus limitaciones, preocupaciones, y retos. De esta manera, brinda información relevante a los actores educativos sobre la necesidad del diseño de programas de capacitación a los docentes. Desde la teoría, los hallazgos podrán servir de base para futuras investigaciones.

CONCLUSIONES

Las percepciones de los docentes sobre la utilización de herramientas de inteligencia artificial reflejan tanto entusiasmo como cautela. Por un lado, reconocen el potencial de estas tecnologías para optimizar procesos educativos, facilitar la personalización del aprendizaje y ofrecer recursos innovadores que enriquecen la práctica pedagógica. Muchos consideran que la IA puede convertirse en un aliado estratégico para atender la diversidad en el aula y mejorar la eficiencia en tareas administrativas, liberando tiempo para la interacción directa con los estudiantes.

Sin embargo, también emergen preocupaciones relacionadas con la ética, la fiabilidad de los resultados y la necesidad de capacitación constante. Algunos docentes manifiestan incertidumbre sobre el impacto de la IA en la autonomía profesional y en la formación crítica de los alumnos, temiendo que un uso indiscriminado pueda generar dependencia tecnológica. En consecuencia, las percepciones se sitúan en un punto intermedio: la IA es vista como una oportunidad valiosa, siempre que se acompañe de políticas claras, formación docente adecuada y un enfoque responsable que priorice la dimensión humana de la educación.

La IA representa un motor de innovación que impulsa la actualización constante de las prácticas educativas y fomenta la preparación de los profesores para un mundo cada vez más digitalizado. Su incorporación responsable y crítica en las aulas no solo mejora la calidad del aprendizaje, sino que también fortalece la capacidad de los docentes para enfrentar los retos del futuro. En este sentido, la importancia de la IA no se limita a la tecnología en sí, sino a su papel como herramienta estratégica para construir una educación más inclusiva, eficiente y orientada al desarrollo integral.

Referencias bibliográficas

Al-Maroof, R. S., Alhumaid, K., & Salloum, S. A. (2021). The continuous intention to use e-learning, from two different contexts: UTAUT2 model. Education and Information Technologies, 26(3), 3267-3288. https://doi.org/10.1007/s10639-020-10313-6

Alshahrani, S. (2024). Investigating teachers' acceptance of AI-based educational tools using UTAUT2. Computers & Education, 205, 104882. https://doi.org/10.1016/j.compedu.2024.104882

Alzahrani, A., & Alzahrani, A. (2025). Comprendiendo la adopción de ChatGPT en universidades: el impacto del TPACK y UTAUT2 en los docentes. RIED-Revista Iberoamericana de Educación a Distancia, 28(1). https://doi.org/10.5944/ried.28.1.41498

Alwaqdani, M. (2024). Investigating teachers' perceptions of artificial intelligence tools in education: potential and difficulties. Education and Information Technologies, 30, 2737-2755. https://doi.org/10.1007/s10639-024-12345-6

Andreoli, E., Aubert, M. C., Cherbavaz, L., & Perillo. (2024). Entre humanos y algoritmos: percepciones docentes sobre la exploración con IAG en la enseñanza del nivel superior. Revista Iberoamericana de Tecnología en Educación y Educación en Tecnología, (37), 63-77. https://doi.org/10.24215/18509959.37.e6

Baggia, A., Tratnik, A., & Brezavšček, A. (2026). University teachers' perceptions, attitudes, and practices with generative AI: A systematic literature review with a meta-analytic component. Quality & Quantity. https://doi.org/10.1007/s11135-026-01567-3

Cabero-Almenara, J., Palacios-Rodríguez, A., Loaiza-Aguirre, M. I., & de Rivas-Manzano, M. R. (2024). Acceptance of educational artificial intelligence by teachers and its relationship with some variables and pedagogical beliefs. Education Sciences, 14(7), 740. https://doi.org/10.3390/educsci14070740

Davis, F. D., Bagozzi, R. P., & Warshaw, P. R. (2023). User acceptance of computer technology: A comparison of two theoretical models. Management Science, 35(8), 982-1003. https://doi.org/10.1287/mnsc.35.8.982

Escobar Barrientos, S. R., García Benítez, C. M., Fuentes Godínez, B. A., Girón Sánchez, I. M., Monzón Escobar, G. A., & Villela Cervantes, C. E. (2023). La utilidad de los modelos educativos: TPACK, SAMR y TAM. Universidad de San Carlos de Guatemala. https://doi.org/10.46954/librosfahusac.29.c50

García-Peñalvo, F. J. (2021). Transformación digital e inteligencia artificial en educación. Education in the Knowledge Society, 22, e23522. https://doi.org/10.14201/eks.23522

Hamilton, E. R., Rosenberg, J. M., & Akcaoglu, M. (2016). The substitution augmentation modification redefinition (SAMR) model: A critical review and suggestions for its use. TechTrends, 60(5), 433-441. https://doi.org/10.1007/s11528-016-0091-y

Hernández Sampieri, R., Fernández Collado, C., & Baptista Lucio, P. (2018). Metodología de la investigación: Las rutas cuantitativa, cualitativa y mixta. McGraw-Hill.

Hernández, C. T. R. (2026). Alfabetización en inteligencia artificial y curación de contenidos: desafíos y oportunidades para docentes y estudiantes universitarios en Francia. Revista Digital de Investigación y Postgrado, 7(13), 115-133. https://doi.org/10.59654/btctmw45

Holmes, W., Bialik, M., & Fadel, C. (2021). Artificial Intelligence in Education: Promises and Implications for Teaching and Learning. Center for Curriculum Redesign.

Jiménez Carpio, A. H., & Solis Granda, L. E. (2026). Actitudes docentes ante la inteligencia artificial educativa. Revista Iberoamericana de Tecnología Educativa, 13(2), 45-58.

Luckin, R. (2021). Machine learning and human intelligence: The future of education for the 21st century. UCL IOE Press.

Marín Llaver, L. R., Marín Aragón, R. de J., & Mendoza Bravo, K. L. (2023). La estrategia como resultado de investigación: consideraciones metodológicas para su concreción. Revista Universidad y Sociedad, 15(6). SciELO.

Mota, D. F., Buele, J., & Llerena-Aguirre, L. (2025). Transformations in academic work and faculty perceptions of artificial intelligence in higher education. Frontiers in Education, 10, 1603763. https://doi.org/10.3389/feduc.2025.1603763

Puentedura, E. J., March, J., Anders, J., Perez, A., Landers, M. R., & Wallmann, H. W. (2021). Safety of cervical spine manipulation: Are adverse events preventable and are manipulations being performed appropriately? A review of 134 case reports. Journal of Manual & Manipulative Therapy, 20(2), 66-74. https://doi.org/10.1179/2042618612Y.0000000005

Redecker, C., & Punie, Y. (2017). European Framework for the Digital Competence of Educators: DigCompEdu. Publications Office of the European Union. https://doi.org/10.2760/159770

Robbins, S. P. (2025). Definición de estrategia según autores. Explicación 2026.

Salloum, S. A., Al-Emran, M., Shaalan, K., & Tarhini, A. (2019). Factors affecting the adoption of e-learning systems in higher education using UTAUT and structural equation modeling approaches. Computers in Human Behavior, 99, 285-296. https://doi.org/10.1016/j.chb.2019.06.007

Selwyn, N. (2022). ¿Deberían los robots sustituir al profesorado? La IA y el futuro de la educación. Ediciones Morata.

Sharmin, L., Kalima, R., Imran, M., Chauca, M., & Balladares, J. (2026). Teachers' perceptions of AI in supporting students' learning within globally diverse digital settings. Discover Education, 5, 75. https://doi.org/10.1007/s44217-026-00075-9

Tamayo. (2012). Tipos de Investigación. https://trabajodegradoucm.weebly.com/uploads/1/9/0/9/19098589/tipos_de_investigacion.pdf

Teo, T. (2021). Students and teachers' intention to use technology: Assessing their measurement equivalence and structural invariance. Journal of Educational Computing Research, 59(1), 3-28. https://doi.org/10.1177/0735633120952068

Thompson, A. A. (2025). Definición de estrategia según autores. Explicación 2026.

UNESCO. (2023). Guía ética para la inteligencia artificial en educación. UNESCO. https://unesdoc.unesco.org

UNESCO. (2024). Marco de competencias para docentes en materia de IA. https://www.unesco.org/es/articles

Ushb, U., et al. (2025). Perceptions of generative AI in teaching and learning: UTAUT and TPACK model-based study of teachers and students. Acta Psychologica, 261, 105827. https://doi.org/10.1016/j.actpsy.2025.105827

Venkatesh, V., Davis, F. D., & Zhu, Y. (2023). Competing roles of intention and habit in predicting behavior: A comprehensive literature review, synthesis, and longitudinal field study. International Journal of Information Management, 71, 102644. https://doi.org/10.1016/j.ijinfomgt.2023.102644

Vizcaíno Zúñiga, P. I., & Maldonado Palacios, I. A. (2023). Metodología de la investigación científica: guía práctica. Ciencia Latina, 7(4), 9723-9762. https://doi.org/10.37811/cl_rcm.v7i4.7658

Zawacki-Richter, O., Marín, V. I., Bond, M., & Gouverneur, F. (2019). Systematic review of research on artificial intelligence applications in higher education – where are the educators? International Journal of Educational Technology in Higher Education, 16, 39. https://doi.org/10.1186/s41239-019-0171-0

Conflicto de intereses

Los autores declaran no tener ningún conflicto de intereses.

Declaración de responsabilidad de autoría

Los autores del manuscrito señalado, DECLARAMOS que hemos contribuido directamente a su contenido intelectual, así como a la génesis y análisis de sus datos; por lo cual, estamos en condiciones de hacernos públicamente responsable de él y aceptamos que sus nombres figuren en la lista de autores en el orden indicado. Además, hemos cumplido los requisitos éticos de la publicación mencionada, habiendo consultado la Declaración de Ética y mala praxis en la publicación.

Ana Maria Loor Solorzano y Miguel Fabián Delgado Cedeño: Proceso de revisión de literatura y redacción del artículo.