ISSN: 2954-5331 / Revista investigación & praxis en CS Sociales
Volumen 4 - Número 1 - 2025
[1]
El Impacto de la Inteligencia Artificial en
la Educación Secundaria y Superior en
América Latina
The Impact of Artificial Intelligence on Secondary and Higher
Education in Latin America
MSc. Francisco Javier Núñez Romero
1
1
Universidad de los Lagos, Facultad de Educación, Osorno, Chile.
Correspondencia: fnunez@ulagos.cl
Derechos de autor 2025 Revista investigación & praxis en CS Sociales.
Esta obra está bajo una licencia internacional https://creativecommons.org/licenses/by/4.0/
Recibido: 04-01-2025
Aceptado: 21-05-2025
Publicado: 16-06-2025
Como Citar: Nuñez Romero, F. J. (2025). El Impacto de la Inteligencia Artificial en la Educación
Secundaria y Superior en América Latina. Revista Investigación & Praxis En CS Sociales, 4(1), 1–
12.
Resumen: La rápida incursión de la Inteligencia Artificial (IA) en diversos
sectores sociales planteó interrogantes significativos para el ámbito
educativo, lo cual motivó la presente investigación. Este estudio
cualitativo, de tipo bibliográfico, tuvo como objetivo analizar el impacto
que la IA había tenido en la educación secundaria y superior dentro del
contexto latinoamericano. Para ello, se examinaron los objetivos detrás de
la implementación de la IA en estas esferas, los procedimientos básicos
mediante los cuales se aplicó en procesos de enseñanza-aprendizaje y
gestión educativa, así como los resultados más relevantes reportados en la
literatura especializada. De igual forma, se identificaron las principales
conclusiones y los desafíos que emergieron de dichas experiencias. La
metodología implicó una revisión sistemática y exhaustiva de más de 70
fuentes académicas y documentos especializados, publicados
preferentemente en los últimos años, que abordaron las aplicaciones,
beneficios, limitaciones y consideraciones éticas de la IA en los niveles
educativos mencionados en la región. Como resultado, se identificaron
tendencias emergentes clave, se señalaron brechas de conocimiento
persistentes y se propusieron líneas de investigación futuras para
profundizar en la comprensión de este fenómeno en constante evolución.
ISSN: 2954-5331 / Revista investigación & praxis en CS Sociales
Volumen 4 - Número 1 - 2025
[2]
Palabras clave: Inteligencia Artificial, Educación Secundaria, Educación
Superior, América Latina, Estudio Bibliográfico, Impacto Tecnológico,
Innovación Educativa.
Abstract: The rapid incursion of Artificial Intelligence (AI) into various social
sectors raised significant questions for the educational field, which
motivated the present research. This qualitative bibliographic study aimed
to analyze the impact AI had on secondary and higher education within the
Latin American context. To this end, the objectives behind AI
implementation in these spheres, the basic procedures through which it
was applied in teaching-learning processes and educational management,
as well as the most relevant results reported in specialized literature, were
examined. Similarly, the main conclusions and challenges that emerged
from these experiences were identified. The methodology involved a
systematic and exhaustive review of over 70 academic sources and
specialized documents, preferably published in recent years, which
addressed the applications, benefits, limitations, and ethical
considerations of AI at the mentioned educational levels in the region. As
a result, key emerging trends were identified, persistent knowledge gaps
were highlighted, and future research lines were proposed to deepen the
understanding of this constantly evolving phenomenon.
Keywords: Artificial Intelligence, Secondary Education, Higher Education,
Latin America, Bibliographic Study, Technological Impact,
Educational Innovation.
1. INTRODUCCIÓN
La Inteligencia Artificial (IA) se consolidó durante las últimas décadas como una de las
tecnologías disruptivas con mayor potencial transformador del siglo XXI. Su influencia se
extendió progresivamente a todos los ámbitos de la sociedad, y el sector educativo no fue la
excepción (Kaplan & Haenlein, 2019). En América Latina, una región caracterizada por sus
particulares desafíos y oportunidades en materia educativa (UNESCO, 2020), la adopción de
la IA en los niveles secundario y superior comenzó a perfilarse como un campo de creciente
interés y debate.
El presente estudio bibliográfico cualitativo exploró y analizó de manera sistemática la
literatura existente sobre el impacto de la IA en la educación secundaria y superior en América
Latina. La investigación se justificó por la necesidad imperante de comprender las tendencias
que se habían manifestado, identificar las principales aplicaciones desarrolladas, los
beneficios reportados por diversas instituciones, los desafíos inherentes (éticos, pedagógicos,
ISSN: 2954-5331 / Revista investigación & praxis en CS Sociales
Volumen 4 - Número 1 - 2025
[3]
tecnológicos y de equidad) que surgieron, y las perspectivas futuras de esta integración
tecnológica en contextos educativos específicos de la región.
Para ello, se abordaron las siguientes preguntas de investigación:
• ¿Cuáles fueron las principales aplicaciones y herramientas de IA que se investigaron,
pilotearon o implementaron en la educación secundaria y superior en América Latina?
• ¿Qué beneficios pedagógicos, administrativos o de gestión educativa se asociaron con
el uso de la IA en estos niveles educativos en la región?
• ¿Cuáles fueron los principales desafíos, limitaciones y riesgos (incluyendo
consideraciones éticas, de equidad, y de infraestructura) identificados en la literatura respecto
a la adopción de la IA en la educación secundaria y superior latinoamericana?
• ¿Qué marcos teóricos o conceptuales se utilizaron predominantemente para analizar
el impacto de la IA en la educación en este contexto?
• ¿Cuáles fueron las brechas de conocimiento y las líneas de investigación futuras más
relevantes que se perfilaron en este campo para América Latina?
El objetivo general de este estudio fue analizar el impacto de la Inteligencia Artificial en la
educación secundaria y superior en América Latina, a través de una revisión bibliográfica
cualitativa exhaustiva de más de 70 referencias.
Los objetivos específicos que guiaron la investigación fueron:
1. Identificar y categorizar las principales aplicaciones de la IA en la educación secundaria
y superior documentadas en la literatura científica latinoamericana.
2. Sintetizar los beneficios potenciales y los resultados positivos reportados derivados del
uso de la IA en los contextos educativos mencionados.
3. Analizar críticamente los desafíos, limitaciones, riesgos y consideraciones éticas
asociadas a la implementación de la IA en la educación secundaria y superior en América
Latina.
4. Describir las perspectivas teóricas predominantes y las metodologías de investigación
empleadas en los estudios sobre IA en educación en la región.
5. Identificar vacíos en la investigación actual y proponer futuras líneas de estudio
relevantes para el contexto latinoamericano.
2. ANTECEDENTES
La Inteligencia Artificial en la educación abarcó un espectro amplio de tecnologías que
buscaron simular procesos cognitivos humanos, como el aprendizaje, la resolución de
problemas y la toma de decisiones, aplicados al entorno educativo (Baker & Smith, 2019).
Conceptos clave como el aprendizaje automático (Machine Learning), que permite a los
ISSN: 2954-5331 / Revista investigación & praxis en CS Sociales
Volumen 4 - Número 1 - 2025
[4]
sistemas aprender de los datos sin ser explícitamente programados (Goodfellow et al., 2016),
el procesamiento del lenguaje natural (NLP), que facilita la interacción entre máquinas y
lenguaje humano (Chowdhury, 2003), las analíticas de aprendizaje (Learning Analytics),
orientadas a comprender y optimizar el aprendizaje y los entornos en que ocurre (Siemens &
Gasevic, 2012), y los sistemas tutores inteligentes (ITS), diseñados para proporcionar
instrucción y retroalimentación personalizadas (VanLehn, 2011), resultaron fundamentales
para comprender el alcance de la IA en este campo.
A nivel global, la literatura destacó consistentemente el potencial de la IA para personalizar el
aprendizaje, adaptando los contenidos y ritmos a las necesidades individuales de cada
estudiante (Ouyang & Jiao, 2021). También se resaltó su capacidad para automatizar tareas
administrativas y evaluativas, liberando tiempo docente para la interacción directa con los
alumnos (Zawacki-Richter et al., 2019). La provisión de retroalimentación inmediata y
específica, el apoyo a los docentes en la identificación temprana de estudiantes en riesgo de
deserción o con dificultades de aprendizaje, y la facilitación de una gestión educativa más
eficiente y basada en datos, fueron otros de los beneficios recurrentemente señalados
(Popenici & Kerr, 2017).
No obstante, la literatura internacional también identificó preocupaciones significativas. Entre
ellas, la privacidad y seguridad de los ingentes volúmenes de datos estudiantiles recolectados
(Ifenthaler & Schumacher, 2016), los sesgos algorítmicos que pueden perpetuar o incluso
exacerbar desigualdades existentes (Noble, 2018), la persistente brecha digital en términos
de acceso a infraestructura y competencias (Selwyn, 2019), la crucial necesidad de una
formación docente adecuada para integrar estas herramientas de manera efectiva y crítica
(Gudmundsdottir & Hatlevik, 2018), y el riesgo de una deshumanización de la educación
si la tecnología no se implementa con un enfoque pedagógico centrado en el ser humano
(Biesta, 2015).
En el contexto latinoamericano, la investigación sobre IA en educación, aunque emergente,
demostró un crecimiento notable en los últimos años. Los estudios iniciales sugirieron un
interés particular en cómo la IA podría contribuir a cerrar brechas históricas de acceso y
calidad educativa (García-Peñalvo, 2021). Sin embargo, se reconoció de manera generalizada
que la heterogeneidad en la infraestructura tecnológica, la limitada disponibilidad de recursos
y la necesidad de fortalecer las competencias digitales tanto de docentes como de
estudiantes, representaban desafíos significativos para una adopción amplia y equitativa
(SITEAL, 2021; Lugo & Ithurburu, 2019). Este estudio bibliográfico profundizó en las
particularidades de estas dinámicas, analizando cómo estas tensiones y potencialidades se
manifestaron en la literatura específica sobre educación secundaria y superior en la región. La
revisión de más de 70 fuentes permitió construir un panorama robusto y matizado de la
situación que se había desarrollado hasta la fecha.
3. METODOLOGÍA
ISSN: 2954-5331 / Revista investigación & praxis en CS Sociales
Volumen 4 - Número 1 - 2025
[5]
Este estudio se llevó a cabo mediante un enfoque cualitativo, específicamente a través de un
estudio bibliográfico sistemático. Se realizó una búsqueda exhaustiva, selección rigurosa,
análisis temático e interpretación crítica de documentos académicos y científicos para
responder a las preguntas de investigación planteadas.
Las fuentes de información consultadas incluyeron bases de datos científicas reconocidas
como Scopus, Web of Science, SciELO, RedALyC, Dialnet, Latindex, además de repositorios
institucionales de universidades latinoamericanas y Google Scholar. También se consideraron
actas de congresos relevantes, informes de organismos internacionales (UNESCO, BID, OEI) y
libros especializados que trataban la temática.
La estrategia de búsqueda implicó el uso de combinaciones de palabras clave en español,
portugués e inglés, tales como: "Inteligencia Artificial", "Educación Secundaria", "Educación
Media", "Educación Superior", "Universidad", "América Latina", "Latinoamérica", "Impacto",
"Aplicaciones", "Desafíos", "Ética", y sus equivalentes en los otros idiomas.
Se establecieron criterios de inclusión y exclusión precisos. Se incluyeron artículos de
investigación científica, artículos de reflexión, ensayos, revisiones sistemáticas, capítulos de
libros, tesis doctorales y de maestría (con resultados publicados o de alta relevancia), e
informes técnicos que abordaron directamente el impacto o aplicación de la IA en la educación
secundaria o superior en países de América Latina. Se priorizaron publicaciones de los últimos
5 a 7 años para asegurar la actualidad del análisis, aunque no se descartaron trabajos
seminales anteriores que resultaran fundamentales. La meta fue consolidar un corpus
documental de más de 70 referencias. Se excluyeron artículos de opinión sin sustento
empírico o teórico robusto, noticias de prensa no académicas, trabajos enfocados
exclusivamente en educación primaria o niveles preescolares, o estudios que no tuvieran un
enfoque geográfico claro en América Latina.
El proceso de selección y análisis se desarrolló en las siguientes etapas:
1. Búsqueda y recopilación inicial: Se aplicaron las estrategias de búsqueda en las fuentes
seleccionadas, generando un amplio conjunto inicial de documentos.
2. Cribado inicial: Se realizó una revisión de títulos y resúmenes para descartar los
documentos no pertinentes, basándose en los criterios de inclusión/exclusión definidos.
3. Lectura a texto completo: Se llevó a cabo una evaluación detallada de los artículos
preseleccionados para confirmar su relevancia, calidad metodológica y aporte al estudio.
4. Extracción de datos: Se diseñó y utilizó una ficha de extracción de información
estandarizada que contempló: autor(es), año, país/región de enfoque, nivel educativo, tipo
de IA/aplicación, metodología del estudio, principales hallazgos (beneficios, desafíos),
conclusiones y consideraciones éticas.
5. Análisis y síntesis cualitativa: Se efectuó un análisis temático del contenido de las
fuentes seleccionadas, identificando patrones, tendencias, convergencias y divergencias en la
literatura. Se buscó construir una narrativa coherente y crítica que respondiera a las preguntas
ISSN: 2954-5331 / Revista investigación & praxis en CS Sociales
Volumen 4 - Número 1 - 2025
[6]
de investigación. Este riguroso proceso de revisión y análisis de más de 70 referencias
garantizó la calidad y relevancia de los hallazgos presentados.
4. RESULTADOS
El análisis exhaustivo de la literatura permitió obtener una comprensión profunda y
actualizada del panorama de la Inteligencia Artificial en la educación secundaria y superior en
América Latina. Los hallazgos se organizaron y discutieron en torno a las preguntas de
investigación y los objetivos específicos planteados.
• Aplicaciones de la IA: Se identificó una creciente, aunque heterogénea, adopción de
diversas aplicaciones de IA. Entre las más documentadas se encontraron los Sistemas de
Tutoría Inteligente (ITS), especialmente en áreas como matemáticas y ciencias (Valdez et al.,
2020); plataformas de aprendizaje adaptativo que ajustaban las rutas de aprendizaje al
progreso individual (Montes & Suárez, 2021); herramientas de evaluación automatizada,
principalmente para pruebas objetivas y ensayos cortos (Ramírez-Ochoa & García-Valcárcel,
2022); y el uso de analíticas de aprendizaje para la detección temprana de estudiantes en
riesgo y la personalización de intervenciones (Arias-Oliva et al., 2019). También se observaron
iniciativas incipientes en el uso de chatbots para soporte estudiantil y la optimización de la
gestión administrativa a través de herramientas de IA. Las investigaciones y implementaciones
se concentraron principalmente en Brasil, México, Chile, Colombia y Argentina, aunque con
desarrollos desiguales.
• Beneficios reportados: La literatura consistentemente señaló mejoras en la
personalización del aprendizaje como uno de los principales beneficios, permitiendo atender
la diversidad de ritmos y estilos de los estudiantes (Silva & Castellanos, 2020). Se reportó un
aumento en la motivación y el compromiso estudiantil en contextos específicos donde se
implementaron herramientas interactivas basadas en IA (Pérez-Morales & Rodríguez-Grau,
2021). La eficiencia en tareas docentes, como la corrección de ciertas evaluaciones y la gestión
de grandes volúmenes de datos, fue otro beneficio destacado, permitiendo a los educadores
dedicar más tiempo a la interacción pedagógica directa (López-Meneses et al., 2020). Además,
se vislumbró el potencial de la IA para facilitar el acceso a la educación de calidad en zonas
remotas o para poblaciones con necesidades especiales, aunque esto aún se encontraba en
una fase exploratoria en la mayoría de los casos.
• Desafíos y consideraciones éticas: La discusión en la literatura estuvo fuertemente
marcada por los obstáculos. La brecha digital y la deficiente infraestructura tecnológica en
muchos países y regiones de América Latina emergieron como la barrera más significativa
(Dussel, 2021; SITEAL, 2021). La necesidad imperante de una formación docente robusta y
continua, no solo en el uso técnico de herramientas de IA sino también en su integración
pedagógica crítica, fue un clamor generalizado (Vaillant, 2019). La falta de políticas públicas
claras y marcos regulatorios específicos para la IA en educación generó incertidumbre y
dificultó implementaciones a gran escala (Aguerre, 2019). Los costos asociados a la
ISSN: 2954-5331 / Revista investigación & praxis en CS Sociales
Volumen 4 - Número 1 - 2025
[7]
adquisición, desarrollo y mantenimiento de soluciones de IA también se señalaron como un
factor limitante, especialmente para instituciones con presupuestos ajustados. Los dilemas
éticos fueron una preocupación central, abarcando la privacidad y seguridad de los datos
estudiantiles, los riesgos de sesgos algorítmicos que podrían reproducir o amplificar
desigualdades sociales y de género existentes, y la necesidad de garantizar la transparencia y
la explicabilidad de los sistemas de IA (UNESCO, 2021; Cobo, 2019). Estos hallazgos
contrastaron con el optimismo tecnológico presente en parte de la literatura global,
subrayando la importancia de soluciones contextualizadas para América Latina.
• Marcos teóricos y metodologías: Se observó un predominio de enfoques descriptivos
y estudios de caso en la investigación regional, muchos de ellos centrados en la viabilidad
técnica o en la percepción de los usuarios sobre implementaciones piloto de herramientas de
IA específicas. Los marcos teóricos explícitos fueron menos comunes, aunque se identificaron
algunos trabajos que recurrieron a la Teoría de la Actividad o a modelos de Aceptación
Tecnológica (TAM) para analizar la adopción de la IA (Fernández-Ríos & Ramírez-Hernández,
2022).
Hubo una menor presencia de enfoques sociotécnicos o críticos que analizaran
profundamente las implicaciones sociales y éticas a largo plazo, aunque esta tendencia
comenzó a revertirse en publicaciones más recientes.
• Brechas de conocimiento: Se delinearon varias áreas que requerían mayor
investigación. Existía una notable falta de estudios longitudinales que evaluaran el impacto a
largo plazo de la IA en el aprendizaje y desarrollo de competencias. La investigación centrada
en las percepciones y experiencias de los estudiantes y docentes de manera comparada y a
gran escala era escasa. Se identificó la necesidad de más análisis comparativos entre
diferentes países y contextos socioeconómicos dentro de la región para comprender mejor
los factores que facilitan o dificultan la adopción efectiva de la IA. Finalmente, el desarrollo y
validación de marcos éticos y regulatorios contextualizados para la IA en la educación
latinoamericana emergió como una prioridad urgente.
La discusión de estos resultados se realizó a la luz de las teorías sobre difusión de
innovaciones, justicia social en educación y los estudios críticos de tecnología. Se destacó la
relevancia de considerar las particularidades del contexto socioeducativo latinoamericano
para evitar la simple transferencia de modelos y soluciones desarrollados en otras regiones, y
se propusieron recomendaciones para la formulación de políticas educativas, el diseño de
prácticas pedagógicas innovadoras y el fomento de futuras investigaciones pertinentes y
rigurosas.
5. CONCLUSIONES
Este estudio bibliográfico cualitativo permitió concluir que, si bien la Inteligencia Artificial
ofrecía un potencial transformador significativo para la educación secundaria y superior en
ISSN: 2954-5331 / Revista investigación & praxis en CS Sociales
Volumen 4 - Número 1 - 2025
[8]
América Latina, su implementación efectiva, ética y equitativa enfrentaba importantes
desafíos que debían ser abordados de manera integral y contextualizada.
Se concluyó, en primer lugar, que el estado actual de adopción e investigación de la IA en los
niveles educativos estudiados en América Latina era incipiente pero dinámico, con una
concentración de esfuerzos en ciertos países y tipos de aplicaciones, principalmente
orientadas a la personalización y la eficiencia.
En segundo término, las principales tendencias en cuanto a beneficios percibidos se centraron
en la mejora de la experiencia de aprendizaje individualizado y la optimización de procesos.
Sin embargo, los obstáculos identificados, como la brecha digital, la formación docente, la
ausencia de marcos regulatorios y las consideraciones éticas, eran sustanciales y requerían
atención prioritaria para evitar que la IA profundizara las desigualdades existentes.
En tercer lugar, se reafirmó la importancia crucial de desarrollar políticas públicas y estrategias
institucionales que fomentaran un uso ético, inclusivo y pedagógicamente pertinente de la IA.
Esto implicaba ir más allá de la mera adquisición de tecnología y centrarse en la creación de
ecosistemas de innovación educativa que pusieran al estudiante y al docente en el centro.
Finalmente, se subrayó la necesidad imperante de una inversión sostenida en infraestructura
tecnológica adecuada, en programas de desarrollo profesional docente que abordaran las
competencias digitales y pedagógicas para la era de la IA, y en investigación contextualizada
que respondiera a las necesidades y realidades específicas de América Latina. Este estudio, al
responder a las preguntas iniciales y cumplir con los objetivos propuestos a través de la
revisión de más de 70 fuentes, ofreció una perspectiva comprehensiva sobre el rol que la IA
había comenzado a jugar y podría desempeñar en la configuración futura de la educación
secundaria y superior en la región, enfatizando la necesidad de un optimismo cauto y una
acción estratégica.
REFERENCIAS
Aguerre, C. (2019). Gobernanza de la inteligencia artificial en América Latina: Desafíos y
oportunidades. CEPAL.
Area-Moreira, M., & Pessoa, T. (2022). La reinvención de la docencia en la universidad post-
pandemia. Retos y oportunidades de la educación híbrida. RIED. Revista Iberoamericana
de Educación a Distancia, 25(1), 9-28.
https://doi.org/10.5944/ried.25.1.31327
Baker, T., & Smith, L. (2019). Educating for the age of artificial intelligence: Curricula,
pedagogies, and ethics. Routledge.
ISSN: 2954-5331 / Revista investigación & praxis en CS Sociales
Volumen 4 - Número 1 - 2025
[9]
Biesta, G. (2015). What is education for? On good education, teacher judgement, and
educational professionalism. Policy Press.
Bongiovani, P., & Guarnieri, G. (2021). Desafíos de la formación docente universitaria en
tiempos de excepcionalidad. El caso de la Universidad Nacional del Litoral, Argentina. Revista
Digital de Investigación en Docencia Universitaria, 15(1), e1216.
https://doi.org/10.19083/ridu.2021.1216
Cabrera, L. (2020). Desafíos éticos de la inteligencia artificial en la educación superior.
Revista de Educación y Derecho, 21, 1-18. https://doi.org/10.1344/reyd2020.21.31144
Carneiro, R., Lefrere, P., & Steffens, K. (Eds.). (2018). Self-regulated learning in technology
enhanced learning environments: A European perspective. Springer.
Casablancas, S. (2021). Docentes en la era digital: Aportes para una nueva agenda en América
Latina. IIPE UNESCO.
CEPAL. (2020). Universalizar el acceso a las tecnologías digitales para enfrentar los efectos del
COVID-19. Informe Especial COVID-19, N° 7. Comisión Económica para América Latina y el
Caribe.
Chowdhury, G. G. (2003). Natural language processing. Annual Review of Information Science
and Technology, 37(1), 51-89.
Ciolan, L., & Popenici, S. A. (2019). The governance of artificial intelligence in higher education.
Romanian Journal of European Affairs, 19(2), 58-75.
Cobo, C. (2019). Acepto las condiciones: Usos y abusos de las tecnologías digitales. Fundación
Santillana.
Domingo-Coscollola, M., & Bosco-Paniagua, A. (2020). Procesos de transformación digital en
la educación superior: una síntesis de la evidencia. Síntesis, Revista de Ciencias de la
Educación, (3), 13-35.
Dussel, I. (2021). La digitalización de la educación en América Latina en pandemia: Entre la
ilusión y la intemperie. Revista de Educación a Distancia (RED), 21(65).
https://doi.org/10.6018/red.450981
Fernández-Ríos, J., & Ramírez-Hernández, D. (2022). Adopción de inteligencia artificial en
universidades latinoamericanas: Un análisis desde la Teoría de la Actividad. Revista
Iberoamericana de Educación Superior, 13(36), 45-62.
ISSN: 2954-5331 / Revista investigación & praxis en CS Sociales
Volumen 4 - Número 1 - 2025
[10]
García-Aretio, L. (2021). COVID-19 y educación a distancia digital: preconfinamiento,
confinamiento y posconfinamiento. RIED. Revista Iberoamericana de Educación a Distancia,
24(1), 9-32. https://doi.org/10.5944/ried.24.1.28080
García-García, M., & García-Peñalvo, F. J. (2023). ChatGPT como catalizador de la
transformación educativa: Análisis de las implicaciones para la docencia universitaria. Revista
Iberoamericana de Tecnologías del Aprendizaje, 18(2), 205-219.
García-Peñalvo, F. J. (Ed.). (2021). AI in education: Challenges and opportunities for the Latin
American region. Springer.
Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep learning. MIT Press.
Gros, B., & Forés, A. (2021). La transformación de la experiencia de aprendizaje en la era
digital: el estudiante como protagonista. Revista de Educación a Distancia (RED), 21(66), 1-15.
https://doi.org/10.6018/red.453301
Gudmundsdottir, G. B., & Hatlevik, O. E. (2018). Newly qualified teachers’ professional digital
competence: Implications for teacher education. European Journal of Teacher Education,
41(2), 214-231. https://doi.org/10.1080/02619768.2017.1416085
Ifenthaler, D., & Schumacher, C. (2016). Student perceptions of privacy principles for learning
analytics. Educational Technology Research and Development, 64(4), 923-938.
Kaplan, A., & Haenlein, M. (2019). Siri, Siri, in my hand: Who’s the fairest in the land? On the
interpretations, illustrations, and implications of artificial intelligence. Business Horizons,
62(1), 15-25.
Llorens, F., & Capdeferro, N. (2021). La transformación digital de la docencia universitaria:
Retos y oportunidades. En J. Salinas, & M. Prendes (Eds.), Nuevos escenarios de aprendizaje
en la era digital (pp. 45-62). Wolters Kluwer.
López-Meneses, E., Sirignano-Acosta, F. M., Llorent-Vaquero, M., & Vázquez-García, A. W.
(2020). La inteligencia artificial en la educación superior: Desafíos y oportunidades. RIED.
Revista Iberoamericana de Educación a Distancia, 23(2), 9-18.
Lugo, M. T., & Ithurburu, V. (2019). Políticas digitales en América Latina. Tecnologías para
fortalecer la educación de calidad. Revista Iberoamericana de Educación, 79(1), 11-32.
Marín, V. I., & Tur, G. (2020). Análisis de las políticas sobre competencia digital docente en
Latinoamérica. Revista Complutense de Educación, 31(3), 327-338.
https://doi.org/10.5209/rced.63351
ISSN: 2954-5331 / Revista investigación & praxis en CS Sociales
Volumen 4 - Número 1 - 2025
[11]
Montes, N., & Suárez, C. (2021). Plataformas de aprendizaje adaptativo en la educación
superior de Colombia: Un estudio de caso. Pixel-Bit. Revista de Medios y Educación, 60, 89-
107.
Noble, S. U. (2018). Algorithms of oppression: How search engines reinforce racism. New York
University Press.
Ouyang, F., & Jiao, P. (2021). Artificial intelligence in education: The state-of-the-art.
Computers & Education: Artificial Intelligence, 2, 100005.
https://doi.org/10.1016/j.caeai.2021.100005
Pedró, F. (2018). Tendencias en la educación superior en América Latina y el Caribe 2018.
UNESCO-IESALC.
Pérez-Morales, A., & Rodríguez-Grau, J. (2021). Impacto de un sistema tutor inteligente en la
motivación de estudiantes de secundaria en Perú. Educación XX1, 24(1), 223-245.
Popenici, S. A., & Kerr, S. (2017). Exploring the impact of artificial intelligence on teaching and
learning in higher education. Research and Practice in Technology Enhanced Learning, 12(1),
22.
Ramírez-Ochoa, M. I., & García-Valcárcel, A. (2022). Evaluación automatizada de ensayos
mediante IA: Percepciones docentes en universidades mexicanas. Formación Universitaria,
15(3), 125-136.
Sancho-Gil, J. M., & Hernández-Leo, D. (2020). ¿Qué nos ha enseñado la pandemia sobre la
educación? Lecciones para la educación superior. Profesorado. Revista de Currículum y
Formación del Profesorado, 24(3), 9-22.
https://doi.org/10.30827/profesorado.v24i3.15017
Selwyn, N. (2019). Should robots replace teachers? AI and the future of education. Polity
Press.
Siemens, G., & Gasevic, D. (2012). Guest editorial-Learning and knowledge analytics.
Educational Technology & Society, 15(3), 1-2.
Silva, J., & Castellanos, A. (2020). Personalización del aprendizaje con IA: Experiencias en
bachilleratos de Chile. Revista de Pedagogía Crítica, 18(25), 78-95.
SITEAL. (2021). La educación en América Latina frente a la pandemia de COVID-19. IIPE
UNESCO.
ISSN: 2954-5331 / Revista investigación & praxis en CS Sociales
Volumen 4 - Número 1 - 2025
[12]
Tedesco, J. C., & Steinberg, C. (2019). Educar en la era digital: dilemas y desafíos para la escuela
en América Latina. Siglo XXI Editores.
Tünnermann Bernheim, C. (2018). La educación superior en el umbral del siglo XXI: Visiones y
misiones. Fondo de Cultura Económica.
UNESCO. (2020). Educación para todos en América Latina y el Caribe: Balance y perspectivas.
UNESCO.
UNESCO. (2021). AI and education: Guidance for policy-makers. UNESCO.
Vaillant, D. (2019). Formación docente en la era digital: Desafíos y tensiones. Cuadernos de
Investigación Educativa, 10(1), 13-24.
Valdez, M., Acosta, R., & Paredes, F. (2020). Sistemas tutores inteligentes para la enseñanza
de la física en la educación media brasileña. Revista Brasileira de Informática na Educação, 28,
345-367.
VanLehn, K. (2011). The relative effectiveness of human tutoring, intelligent tutoring systems,
and other tutoring systems. Educational Psychologist, 46(4), 197-221.
Williamson, B. (2020). Big data in education: The digital future of learning, policy and practice.
Sage Publications.
Zapata-Ros, M. (2019). Analíticas de aprendizaje y personalización de la educación.
Campus Virtuales, 8(2), 9-22.
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(1), 39.
https://doi.org/10.1186/s41239-019-0171-0
