133
Revista Científica Multidisciplinar
https://revistasaga.org/
e-ISSN
3073-1151
Octubre-Diciembre
, 2025
Vol.
2
, Núm.
4
,
133-147
https://doi.org/10.63415/saga.v2i4.283
Artículo de Revisión Sistemática
.
Impacto de la inteligencia artificial (IA) en la personalización del
aprendizaje en educación básica
Impact of Artificial Intelligence (AI) on the Personalization of Learning in Basic
Education
Impacto da Inteligência Artificial (IA) na Personalização da Aprendizagem na
Educação Básica
Angela del Rocio Cedeño Alvarez
1
1
Universidad Estatal de Milagro, Cdla. Universitaria Km 1.5 vía Milagro
–
Virgen de Fátima, Milagro, Ecuador
Recibido
: 2025-08-25 /
Aceptado
: 2025-10-02 /
Publicado
: 2025-10-10
RESUMEN
Introducción
: Esta revisión sistemática examina el impacto transformador de la Inteligencia Artificial en la
personalización del aprendizaje dentro de la educación básica, un campo en rápida evolución que promete redefinir las
prácticas pedagógicas tradicionales.
Objetivos
: El estudio se propuso sintetizar la evidencia existente sobre la efectividad
de los sistemas de IA, analizar las transformaciones en el rol docente y evaluar los desafíos éticos y de equidad emergentes.
Métodos
: Se ejecutó una búsqueda exhaustiva en múltiples bases de datos, aplicando criterios de elegibilidad predefinidos
para la selección y extracción de datos, seguida de una síntesis narrativa de los hallazgos.
Resultados
: Los hallazgos
revelan que los algoritmos adaptativos mejoran significativamente la experiencia de aprendizaje y la autonomía del
estudiante, a la vez que transforman al docente en un guía y mediador estratégico. No obstante, se identificaron riesgos
sustanciales relacionados con sesgos algorítmicos, privacidad de datos y brechas de acceso tecnológico.
Conclusiones
:
Se concluye que la IA posee un potencial profundo para humanizar la educación mediante la personalización, pero su
implementación debe guiarse por marcos éticos sólidos y políticas de equidad para evitar perpetuar desigualdades y
garantizar que el bienestar del estudiante permanezca en el centro del proceso educativo.
Palabras clave:
inteligencia artificial; aprendizaje personalizado; educación básica; rol del docente; ética educativa
ABSTRACT
Introduction
: This systematic review examines the transformative impact of Artificial Intelligence on the personalization
of learning within basic education, a rapidly evolving field that promises to redefine traditional pedagogical practices.
Objectives
: The study aimed to synthesize existing evidence on the effectiveness of AI systems, analyze transformations
in the teacher's role, and evaluate emerging ethical and equity challenges.
Methods
: An exhaustive search was executed
across multiple databases, applying predefined eligibility criteria for study selection and data extraction, followed by a
narrative synthesis of the findings.
Results
: The findings reveal that adaptive algorithms significantly enhance the
learning experience and student autonomy, while transforming the teacher into a strategic guide and mediator. However,
substantial risks related to algorithmic biases, data privacy, and technological access gaps were identified.
Conclusions
:
It is concluded that AI holds profound potential to humanize education through personalization, but its implementation
must be guided by robust ethical frameworks and equity policies to avoid perpetuating inequalities and ensure student
well-being remains at the core of the educational process.
keywords
: artificial intelligence; personalized learning; basic education; teacher role; educational ethics
RESUMO
Introdução
: Esta revisão sistemática examina o impacto transformador da Inteligência Artificial na personalização da
aprendizagem no âmbito da educação básica, um campo em rápida evolução que promete redefinir as práticas pedagógicas
SAGA Rev. Cienc. Multidiscip. | e-ISSN 3073-1151 | Octubre-Diciembre, 2025 | vol. 2 | núm. 4 | pág. 133-147
134
tradicionais.
Objetivos
: O estudo propôs-se a sintetizar as evidências existentes sobre a eficácia dos sistemas de IA,
analisar as transformações no papel do docente e avaliar os desafios éticos e de equidade emergentes.
Métodos
: Foi
executada uma busca exaustiva em múltiplas bases de dados, aplicando critérios de elegibilidade predefinidos para a
seleção e extração de dados, seguida de uma síntese narrativa dos achados.
Resultados
: Os resultados revelam que os
algoritmos adaptativos melhoram significativamente a experiência de aprendizagem e a autonomia do estudante, ao
mesmo tempo que transformam o docente em um guia e mediador estratégico. Não obstante, identificaram-se riscos
substanciais relacionados a vieses algorítmicos, privacidade de dados e lacunas de acesso tecnológico.
Conclusões
:
Conclui-se que a IA possui um potencial profundo para humanizar a educação por meio da personalização, mas sua
implementação deve ser guiada por marcos éticos robustos e políticas de equidade para evitar perpetuar desigualdades e
garantir que o bem-estar do estudante permaneça no centro do processo educacional.
palavras-chave
: inteligência artificial; aprendizagem personalizada; educação básica; papel do professor; ética educativa
Forma sugerida de citar (APA):
Cedeño Alvarez, A. del R. (2025). Impacto de la inteligencia artificial (IA) en la personalización del aprendizaje en educación básica. Revista Científica
Multidisciplinar SAGA, 2(4), 133-147.
https://doi.org/10.63415/saga.v2i4.283
Esta obra está bajo una licencia internacional
Creative Commons de Atribución No Comercial 4.0
INTRODUCCIÓN
El paisaje educativo contemporáneo se
encuentra en un punto de inflexión histórico,
moldeado por la irrupción de tecnologías de
inteligencia artificial que prometen redefinir
los paradigmas de enseñanza y aprendizaje.
Esta transformación digital no es una mera
sustitución de pizarras por pantallas;
representa un cambio profundo en la manera de
entender cómo los estudiantes interactúan con
el conocimiento. La personalización del
aprendizaje, anhelo pedagógico de larga data,
encuentra en la IA un aliado con el potencial
de convertir las aulas en espacios vibrantes y
sensibles a las necesidades individuales. Este
artículo se articula como una revisión
necesaria para cartografiar este territorio en
rápida evolución, analizando sus promesas y
sus complejidades con una mirada a la vez
esperanzada y crítica.
Las aulas de educación básica, lejos de ser
ajenas a esta revolución, se han convertido en
el laboratorio central donde se despliegan estas
innovaciones. En este nivel formativo, donde
se construyen los cimientos cognitivos y
socioemocionales de toda la vida, la
implementación de herramientas adaptativas
adquiere una importancia monumental. Suárez
Lima et al. (2025) describen este fenómeno
como un modelo innovador que busca mejorar
la experiencia educativa desde sus raíces. La
posibilidad de que cada niño reciba una
atención educativa que se ajuste a su ritmo y
estilo de aprendizaje no es una mejora
incremental; es un cambio de eje que podría
reconfigurar la esencia misma de la
escolarización tradicional, haciendo de la
equidad una práctica tangible y no un simple
discurso.
Sin embargo, este camino hacia la
personalización no está exento de desafíos
significativos que demandan una reflexión
profunda y sistemática. La integración de
algoritmos inteligentes en entornos educativos
sensibles plantea interrogantes éticos, técnicos
y pedagógicos que no pueden ser ignorados.
Mera Castillo (2023) advierte que detrás del
potencial transformador de la IA se esconden
riesgos relacionados con sesgos algorítmicos y
brechas de acceso. Esta revisión nace de la
urgencia por examinar estas tensiones,
explorando cómo la tecnología puede servir
para empoderar a los estudiantes sin perpetuar
desigualdades existentes o crear nuevas formas
de exclusión. El equilibrio entre innovación y
equidad se presenta como el gran desafío de
esta década educativa.
El primer pilar que sustenta esta revisión es
el análisis de la adaptación del contenido
mediante algoritmos inteligentes. Estos
sistemas prometen una educación que respira
al compás del estudiante, ajustando la
SAGA Rev. Cienc. Multidiscip. | e-ISSN 3073-1151 | Octubre-Diciembre, 2025 | vol. 2 | núm. 4 | pág. 133-147
135
dificultad y el ritmo de manera dinámica. Flor
Calva et al. (2025) explican cómo las redes
neuronales pueden funcionar como tutores
incansables, proporcionando una ruta de
aprendizaje esculpida para cada mente. Este
avance técnico representa un alejamiento
radical del modelo industrial de educación,
ofreciendo en su lugar una experiencia
artesanal donde el progreso individual marca el
camino a seguir. Comprender la eficacia de
estos sistemas es fundamental para valorar su
verdadero impacto en el desarrollo cognitivo
de los alumnos.
Un segundo eje de análisis lo constituye el
poder de la retroalimentación inmediata para
fomentar el aprendizaje autónomo. La
capacidad de recibir orientación instantánea y
personalizada transforma la relación del
estudiante con el error, convirtiéndolo en una
oportunidad de crecimiento en lugar de un
fracaso. Imaicela Vega et al. (2025) identifican
esta retroalimentación formativa como un
motor esencial para potenciar el desempeño
escolar. Cuando un niño comprende
inmediatamente dónde se equivocó y cómo
puede mejorar, desarrolla una confianza
académica que trasciende las asignaturas y se
convierte en una herramienta para toda la vida.
Este ciclo virtuoso de intento, feedback y
mejora merece una exploración detallada.
El tercer ámbito de investigación se centra
en la transformación del rol docente en estos
ecosistemas educativos aumentados por la IA.
Lejos de la narrativa apocalíptica que predice
la obsolescencia del profesor, la evidencia
apunta hacia una reinvención de su labor.
Vallejo (2024) argumenta que la IA transforma
al docente en un líder pedagógico estratégico,
un mediador que interpreta los datos generados
por los algoritmos para tomar decisiones
educativas más informadas y humanas. Esta
evolución del oficio docente hacia un perfil de
analista pedagógico y guía emocional
representa uno de los cambios más
significativos en la profesión en las últimas
décadas, merecedor de un examen minucioso.
La presente revisión aborda con
determinación los desafíos éticos y de equidad
que emergen de la personalización algorítmica.
La promesa de una educación a la medida
pierde todo su valor si no está disponible para
todos por igual, o si reproduce sesgos
perjudiciales para grupos históricamente
marginados. García Tamayo et al. (2024)
insisten en la necesidad de abordar estos
desafíos para construir un aprendizaje
verdaderamente inclusivo. La privacidad de
los datos estudiantiles, la transparencia de los
algoritmos y la brecha digital conforman un
triángulo de preocupaciones que exige marcos
regulatorios sólidos y una reflexión ética
constante por parte de toda la comunidad
educativa.
Los objetivos de esta revisión se articulan
con precisión para responder a estas
complejidades. Primero, buscamos sintetizar la
evidencia existente sobre la efectividad de los
sistemas de IA en la personalización del
aprendizaje en educación básica, identificando
tanto beneficios demostrados como
limitaciones persistentes. Segundo,
analizamos críticamente las transformaciones
en los roles pedagógicos y las dinámicas de
aula resultantes de esta integración
tecnológica. Tercero, evaluamos los desafíos
éticos y de equidad, proponiendo principios
rectores para una implementación responsable.
Estos objetivos se entrelazan para ofrecer una
visión integral de un fenómeno
multidimensional que está reconfigurando la
educación.
La relevancia de esta investigación
trasciende el ámbito académico para
posicionarse en el centro del debate educativo
contemporáneo. A medida que los sistemas de
IA se vuelven más prevalentes en las escuelas,
se hace imprescindible contar con análisis
rigurosos que orienten a gestores educativos,
diseñadores de políticas y docentes. Las
contribuciones de esta revisión aspiran a
iluminar el camino hacia una integración de la
tecnología que esté al servicio de una
educación más humana, personalizada y justa.
Nuestro análisis busca ser una brújula en un
territorio en rápida expansión, señalando tanto
los horizontes prometedores como los
precipicios por evitar.
SAGA Rev. Cienc. Multidiscip. | e-ISSN 3073-1151 | Octubre-Diciembre, 2025 | vol. 2 | núm. 4 | pág. 133-147
136
El impacto potencial de esta revisión se
extiende hacia múltiples dimensiones del
quehacer educativo. Para la investigación
futura, este trabajo identifica lagunas en el
conocimiento actual y propone rutas de
indagación prioritarias, particularmente en lo
relativo a estudios longitudinales sobre los
efectos de la personalización algorítmica en el
desarrollo integral de los niños. Para la práctica
docente, ofrece insights valiosos sobre cómo
aprovechar estas herramientas sin sacrificar la
relación pedagógica fundamental. Para los
diseñadores de políticas, proporciona un marco
de referencia para la creación de regulaciones
que fomenten la innovación mientras protegen
los derechos de los estudiantes. Esta síntesis
busca, en última instancia, servir como puente
entre la promesa tecnológica y la práctica
educativa centrada en la persona.
METODOLOGIA
La pregunta rectora de esta revisión
sistemática se formuló con precisión para
capturar la esencia del fenómeno de estudio:
¿De qué manera la inteligencia artificial
impacta en la personalización del aprendizaje
dentro del nivel de educación básica,
considerando sus dimensiones pedagógicas,
técnicas y éticas? Esta interrogante central,
amplia y a la vez delimitada, guió todo el
proceso investigativo, permitiendo explorar
tanto los beneficios reportados como los
desafíos emergentes. La pregunta se diseñó
bajo el marco PICO, enfocándose en
Estudiantes y docentes de educación básica
(Población), la implementación de sistemas de
IA para personalización (Intervención),
métodos educativos tradicionales o menos
personalizados (Comparación), y los efectos
medidos en el proceso de aprendizaje
(Resultados).
Para asegurar la transparencia y
reproducibilidad del proceso, se establecieron
criterios de elegibilidad explícitos y desenlaces
de interés claramente definidos. La inclusión
se centró en artículos de investigación
primaria, revisiones sistemáticas y meta-
análisis publicados entre 2020 y 2025, en
español o inglés, que examinaran
explícitamente la aplicación de IA en la
personalización del aprendizaje en entornos de
educación básica. Se excluyeron estudios que
trataran exclusivamente sobre educación
superior o media superior, así como aquellos
que carecieran de una metodología definida o
de resultados empíricos. Los desenlaces de
interés primario incluyeron la mejora en el
rendimiento académico, el desarrollo de la
autonomía del estudiante, la transformación
del rol docente y la identificación de
consideraciones éticas, siguiendo las
dimensiones analizadas por autores como Flor
Calva et al. (2025) y Vallejo (2024).
La búsqueda de literatura se ejecutó de
manera exhaustiva y metódica en bases de
datos académicas de alto impacto, incluyendo
Scopus, Web of Science, ERIC y Google
Scholar para capturar literatura gris relevante.
La estrategia de búsqueda empleó una
combinación de términos controlados y
palabras clave libres, tales como "inteligencia
artificial", "aprendizaje personalizado",
"educación primaria", "algoritmos
adaptativos" y "ética educativa", unidos
mediante operadores booleanos. Esta
búsqueda se complementó con un rastreo
manual de las listas de referencias de los
artículos incluidos para identificar
investigaciones adicionales potencialmente
elegibles. El proceso, documentado en su
totalidad, aseguró una cobertura amplia y
minimizó el riesgo de omitir contribuciones
significativas al campo de estudio.
La selección y extracción de datos se realizó
en dos fases estrictas para garantizar el rigor.
Inicialmente, dos revisores evaluaron de forma
independiente los títulos y resúmenes de todos
los registros identificados, descartando
aquellos que no cumplían con los criterios
predefinidos. En una segunda fase, los textos
completos de los artículos preseleccionados
fueron examinados minuciosamente para
confirmar su elegibilidad. Los datos de los
estudios finalmente incluidos fueron extraídos
utilizando un formulario estandarizado,
capturando información sobre autores, año de
publicación, diseño metodológico,
participantes, intervención de IA, resultados
clave y conclusiones. La síntesis de los
hallazgos se abordó mediante un método
SAGA Rev. Cienc. Multidiscip. | e-ISSN 3073-1151 | Octubre-Diciembre, 2025 | vol. 2 | núm. 4 | pág. 133-147
137
narrativo, agrupando la evidencia en las
categorías temáticas centrales que estructuran
esta revisión, facilitando una comparación
crítica y la identificación de patrones
convergentes y divergentes en la literatura.
A continuación, se presenta una tabla que
especifica de manera detallada los criterios de
inclusión y exclusión que rigieron la selección
de los estudios para esta revisión sistemática.
Tabla 1
Criterios de inclusión y exclusión
Criterio
Criterios de Inclusión
Criterios de Exclusión
Población
Estudiantes, docentes o
instituciones de educación básica
(primaria y secundaria).
Estudios centrados exclusivamente en
educación superior, media superior o
formación corporativa.
Intervención
Implementación de sistemas,
plataformas o herramientas de IA
para la personalización del
aprendizaje o la adaptación de
contenidos.
Herramientas digitales genéricas sin
componente de inteligencia artificial o
adaptabilidad algorítmica.
Tipo de Estudio
Artículos de investigación
primaria, revisiones sistemáticas y
meta-análisis.
Editoriales, cartas al editor, opiniones o
estudios sin metodología empírica
explícita.
Periodo
Publicados entre el año 2020 y
2025.
Publicados antes del año 2020.
Idioma
Textos completos disponibles en
español o inglés.
Textos en otros idiomas sin traducción
disponible.
Resultados
Presentan resultados medibles o
discusiones sustanciales sobre
impacto pedagógico, rol docente o
desafíos éticos.
Estudios que no abordan resultados
relacionados con la personalización del
aprendizaje.
Nota: Elaboración propia
RESULTADOS
A continuación, se presenta una síntesis
estructurada de 20 hallazgos fundamentales
extraídos de la literatura revisada, los cuales
sustentan los cuatro ejes centrales de
resultados de esta investigación. Cada hallazgo
se vincula directamente con una de las fuentes
bibliográficas citadas a lo largo del análisis,
ofreciendo una visión consolidada y
referenciada de la evidencia que da forma a las
conclusiones sobre el impacto de la IA en la
personalización del aprendizaje en educación
básica.
Tabla 2
Hallazgos clave de la revisión sistemática
N° Hallazgo Principal
Fuente (Autor y Año)
1 Los sistemas de IA permiten ajustar automáticamente el nivel de
dificultad y el ritmo de aprendizaje según el progreso individual.
Flor Calva et al. (2025)
2 La personalización mediante IA promueve una educación más
inclusiva al responder a diferencias cognitivas y de desempeño.
Alvarado Bedor (2025)
3 La IA transforma las estrategias docentes, liberando al educador
para centrarse en la interacción significativa.
Borja López et al.
(2025)
4 Los modelos basados en redes neuronales recurrentes actúan
como tutores adaptativos en tiempo real.
Flor Calva et al. (2025)
5 La adaptación de contenidos con IA potencia el desarrollo
integral en los primeros años de educación básica.
Alvarado Bedor (2025)
SAGA Rev. Cienc. Multidiscip. | e-ISSN 3073-1151 | Octubre-Diciembre, 2025 | vol. 2 | núm. 4 | pág. 133-147
138
N° Hallazgo Principal
Fuente (Autor y Año)
6 La implementación de IA conduce hacia una enseñanza más
adaptativa y eficiente en las aulas.
Borja López et al.
(2025)
7
La retroalimentación formativa e inmediata funciona como un
motor para potenciar el desempeño escolar.
Imaicela Vega et al.
(2025)
8 La evaluación formativa continua mejora el rendimiento
académico al conectar directamente el esfuerzo con el resultado.
Torres-Roberto (2024)
9 Las estrategias de aprendizaje autónomo mediadas por TIC
fortalecen la autoeficacia de los estudiantes.
Fuentes-Riquero (2025)
10 Los chatbots educativos con IA funcionan como tutores
personales disponibles permanentemente, fomentando el
aprendizaje autónomo.
Gámez Peralta (2025)
11 El uso de chatbots impacta positivamente en el aprendizaje
autónomo, desarrollando la capacidad de buscar soluciones y
formular preguntas.
Anchapaxi-Díaz et al.
(2024)
12 La IA no reemplaza al docente, sino que amplía su capacidad
para monitorear el progreso individual y tomar decisiones
pedagógicas informadas.
Vargas-Parga y Cediel-
Acosta (2025)
13 El rol del docente se transforma en el de un mediador y analista
pedagógico en la era digital.
Guamán-Gómez et al.
(2023)
14 La IA transforma el rol docente hacia un liderazgo pedagógico
estratégico, donde el profesor es un guía.
Vallejo (2024)
15 La influencia del docente se potencia cuando puede dedicar su
energía a la interacción significativa con los estudiantes.
Castro-Bungacho
(2024)
16 La integración de IA optimiza el tiempo del docente,
permitiéndole centrarse en la interacción humana y la
creatividad.
Bejar Alegria et al.
(2025)
17 La implementación de IA conlleva riesgos de sesgos algorítmicos
que pueden perpetuar desigualdades en la educación.
Mera Castillo (2023)
18 Es necesario abordar desafíos éticos y de equidad para garantizar
que la personalización mediante IA sea inclusiva.
García Tamayo et al.
(2024)
19 La Inteligencia Artificial como herramienta de personalización
requiere de marcos éticos para asegurar su equidad y
transparencia.
Lumbi Salazar et al.
(2025)
20 Existen desafíos éticos relacionados con la privacidad de datos y
la brecha de acceso tecnológico en la aplicación de la IA en
educación.
Espinosa Aguilar et al.
(2025)
Nota: Elaboración propia
DISCUSIÓN
Adaptación del contenido educativo
mediante algoritmos inteligentes
El aula, antaño un espacio de ritmo
uniforme, comienza a latir con un pulso nuevo
y vibrante. Los algoritmos inteligentes tejen
ahora trayectorias de aprendizaje tan únicas
como las huellas dactilares de cada niño,
ajustando la dificultad y el ritmo en un diálogo
constante con su progreso. Esta transformación
no es fría; siente el esfuerzo del estudiante,
celebra sus aciertos y reconforta en los
tropiezos. Como señalan Flor Calva et al.
(2025), estos sistemas, basados en redes
neuronales, actúan como un compañero de
viaje que nunca se impacienta, adaptándose en
tiempo real para que el camino del
conocimiento se convierta en una experiencia
profundamente humana y a la medida de cada
paso.
Imagina la mente de un niño como un jardín
en pleno crecimiento, donde cada semilla de
conocimiento requiere cantidades distintas de
SAGA Rev. Cienc. Multidiscip. | e-ISSN 3073-1151 | Octubre-Diciembre, 2025 | vol. 2 | núm. 4 | pág. 133-147
139
luz y agua. La inteligencia artificial se
convierte en el jardinero atento que percibe
esas necesidades individuales. Alvarado Bedor
(2025) describe este proceso como una
adaptación de contenidos que nutre el
desarrollo integral, pues no se trata de
apresurar el crecimiento, sino de garantizar que
cada raíz se fortalezca. El contenido educativo
deja de ser una lluvia torrencial e
indiferenciada para transformarse en un riego
por goteo preciso, que hidrata exactamente
donde la tierra está más sedienta, permitiendo
que cada planta florezca a su tiempo y a su
modo.
El resultado es una sinfonía educativa
donde cada instrumento toca su partitura, pero
todos contribuyen a una armonía mayor. Los
estudios revisados muestran que cuando el
nivel de desafío se modula automáticamente, la
frustración da paso a una confianza que se
construye ladrillo a ladrillo. Borja López et al.
(2025) observan que el impacto de estas
herramientas transforma las estrategias
docentes, liberando al educador para que se
concentre en las chispas de curiosidad y no en
la administración de la dificultad. El aula deja
de ser una carrera de obstáculos para todos por
igual y se convierte en una colección de viajes
personales, cada uno con paisajes y retos
acordes al caminante.
Esta capacidad de respuesta ante las
diferencias cognitivas y de desempeño es
quizás el corazón del asunto. La tecnología,
lejos de homogenizar, se especializa en
celebrar la diversidad. Párraga et al. (2024)
explican que la personalización del aprendizaje
a través de estas estrategias de adaptación
reconoce que no existe una única manera de
entender el mundo. Así, un estudiante que
visualiza los conceptos de forma abstracta
recibe apoyos distintos a aquel que necesita
tocar y experimentar para aprender. La
inteligencia actúa como un puente,
encontrando el mejor camino para conectar a
cada alumno con el conocimiento, haciendo
que este se sienta verdaderamente visto y
comprendido.
Podemos sentir el cambio en el ambiente del
salón de clases. La ansiedad que antes
generaba no poder seguir el ritmo del grupo se
disipa, reemplazada por un susurro de
posibilidades. Cada pequeño logro es
reconocido por el sistema, que responde
presentando el siguiente escalón no como una
montaña inalcanzable, sino como una colina
alcanzable. Suárez Lima et al. (2025) ven en
este modelo innovador una mejora
fundamental de la experiencia educativa,
donde el estudiante deja de ser un espectador
pasivo para convertirse en el protagonista
activo de su propia historia de aprendizaje, una
historia que tiene el ritmo de su propio
corazón.
Los docentes, a su vez, recuperan su rol más
esencial: el de guías, mentores y facilitadores
de sueños. Al delegar en los algoritmos la tarea
de calibrar la dificultad, ellos ganan un espacio
invaluable para conectar con sus alumnos a un
nivel emocional y humano más profundo.
Borja López et al. (2025) destacan que esta
evolución hacia una enseñanza más adaptativa
permite al educador dedicar su energía a
escuchar las preguntas genuinas, a fomentar la
creatividad y a tejer una red de apoyo social
dentro del aula. La tecnología no reemplaza la
calidez humana; la potencia y la libera.
Pensemos en el niño que, tras equivocarse,
en lugar de recibir una cruz roja en su
cuaderno, obtiene del sistema una pista gentil
que lo invita a reflexionar de nuevo. Ese
momento deja una huella emocional
completamente distinta. Flor Calva et al.
(2025) argumentan que los sistemas
inteligentes adaptativos, al basarse en modelos
que aprenden del error, convierten el tropiezo
en una oportunidad de crecimiento y no en un
estigma. Esta aproximación cultiva una
resiliencia preciosa, enseñando que el proceso
de aprender es, en sí mismo, un viaje de ensayo
y error, de paciencia y de pequeñas victorias
cotidianas.
La promesa de una educación más inclusiva
brilla con una luz especial. Los algoritmos no
tienen favoritos; su diseño está precisamente
para identificar y responder a aquellas áreas
donde un estudiante requiere más apoyo, ya
sea por una dificultad transitoria o por un estilo
de aprendizaje menos común. Alvarado Bedor
SAGA Rev. Cienc. Multidiscip. | e-ISSN 3073-1151 | Octubre-Diciembre, 2025 | vol. 2 | núm. 4 | pág. 133-147
140
(2025) resalta cómo esta adaptación en los
primeros años de educación básica sienta las
bases para un desarrollo integral, evitando que
las brechas se amplíen desde el inicio. Es como
si cada niño tuviera un tutor personal que vela
por que nadie se quede atrás, haciendo realidad
el anhelo de una pedagogía que abraza a todos.
El futuro que se vislumbra no es de
máquinas frías, sino de entornos educativos
que palpitan con la vida de sus estudiantes. La
personalización, como explican Párraga et al.
(2024), deja de ser una aspiración lejana para
convertirse en una realidad tangible que
moldea los contenidos con una precisión
artesanal. Este enfoque no busca crear genios
aislados, sino nutrir la confianza y la
autoestima de cada aprendiz. El resultado es
una generación que no solo habrá acumulado
conocimientos, sino que habrá aprendido a
confiar en su capacidad para conquistarlos,
disfrutando del viaje con todas sus subidas y
bajadas.
Al final, la verdadera magia de esta
adaptación mediante algoritmos inteligentes
reside en su potencial para humanizar la
educación. Al reconocer y honrar la
singularidad de cada mente, el proceso de
enseñanza-aprendizaje se transforma en una
conversación. Suárez Lima et al. (2025)
concluyen que esta innovación mejora la
experiencia porque sitúa al ser humano en el
centro del proceso tecnológico. No se trata de
que los niños aprendan como máquinas, sino
de que la tecnología aprenda a enseñar como lo
haría el mentor más sabio y empático: con
paciencia, adaptación y una fe inquebrantable
en el potencial que habita en cada mirada
curiosa.
Retroalimentación inmediata y aprendizaje
autónomo
Imagina el momento en que un niño
responde una pregunta y, en lugar de esperar
días por una calificación, recibe de inmediato
una señal amable que le indica cómo mejorar.
Esa inmediatez tiene el efecto de una caricia
cognitiva, un reconocimiento instantáneo que
convierte el error en un escalón y no en un
muro. Imaicela Vega et al. (2025) describen
esta retroalimentación formativa como un
motor que potencia el desempeño, porque llega
justo cuando la duda está fresca, permitiendo
corregir el rumbo con la memoria del esfuerzo
aún caliente. Es como tener un compañero de
estudio que nunca se cansa de explicar, un faro
que se enciende en la niebla de la
incertidumbre.
Esta retroalimentación instantánea actúa
como un espejo mágico que devuelve no un
juicio, sino un camino. El estudiante ya no
siente que arroja su trabajo a un abismo
silencioso, sino que participa en un diálogo
vibrante con la plataforma. Cada interacción se
convierte en un ciclo de intento, reflexión y
mejora. Torres-Roberto (2024) afirma que esta
evaluación formativa continua construye un
puente entre el esfuerzo y el resultado,
mejorando el rendimiento porque el aprendiz
puede ver la conexión directa entre su trabajo
y su progreso. La espera ansiosa se disuelve,
reemplazada por la certeza de que hay una guía
constante.
Con cada pie de retroalimentación recibida
en el acto, el estudiante toma las riendas de su
propio viaje. La motivación brota de manera
natural cuando uno se siente dueño de sus
avances. Fuentes-Riquero (2025) explora
cómo las estrategias de aprendizaje autónomo,
mediadas por la tecnología, fortalecen la
autoeficacia del alumno. Ya no depende
exclusivamente de la voz del docente; ahora
tiene herramientas para autoevaluarse, para
entender sus debilidades y celebrar sus
fortalezas con una confianza que nace desde
adentro. Es el empoderamiento de saberse
capaz de dirigir la propia nave.
Los chatbots educativos se convierten en
esos compañeros de viaje incansables,
disponibles a cualquier hora del día o de la
noche. Piensa en un estudiante que, frente a
una duda nocturna, puede conversar con un
asistente inteligente que le despeja el camino.
Gámez Peralta (2025) estudió la
implementación de estos chatbots para
fomentar el aprendizaje autónomo, hallando
que actúan como tutores personales que
responden a la curiosidad en el momento
exacto en que nace. Esta disponibilidad
perpetua rompe las barreras del tiempo y el
SAGA Rev. Cienc. Multidiscip. | e-ISSN 3073-1151 | Octubre-Diciembre, 2025 | vol. 2 | núm. 4 | pág. 133-147
141
espacio, haciendo que el aprendizaje sea un río
continuo y no un grifo que se abre y se cierra.
La autonomía que se cultiva de esta manera
es un regalo para toda la vida. No se trata de
dejar a los estudiantes solos, sino de equiparlos
con la brújula y el mapa para que exploren por
su cuenta. Anchapaxi-Díaz et al. (2024)
coinciden en que el uso de chatbots impacta
positivamente en el aprendizaje autónomo, ya
que los jóvenes desarrollan la capacidad de
buscar soluciones, de formular preguntas más
profundas y de confiar en su propio criterio. Es
una semilla de independencia intelectual que,
una vez plantada, no deja de crecer.
Podemos visualizar este proceso como una
danza entre el humano y la máquina, donde la
inteligencia artificial lleva el compás pero el
estudiante elige los pasos. La
retroalimentación inmediata es la música que
guía el movimiento, señalando cuando hay que
girar o frenar. Imaicela Vega et al. (2025) ven
en esta dinámica una potenciación del
desempeño que es a la vez cognitiva y
emocional. La frustración se desvanece porque
el error pierde su estigma; se transforma en
información valiosa, en el peldaño necesario
para llegar más alto.
El aula tradicional, con su ritmo pausado y
su feedback diferido, a menudo dejaba que las
confusiones se enquistaran. Ahora, con la
inmediatez de la respuesta, las malas
interpretaciones se disipan al instante. Torres-
Roberto (2024) recalca que la evaluación
continua permite identificar y abordar los
vacíos de conocimiento casi en el momento en
que se producen, impidiendo que se conviertan
en obstáculos insalvables. Es como sanar una
pequeña herida antes de que se infecte,
garantizando que el aprendizaje avance sobre
bases sólidas y sin dolores acumulados.
Esta cultura del autoaprendizaje guiada por
datos construye estudiantes más curiosos y
menos temerosos. Ya no aprenden para la
prueba, aprenden para ellos mismos. Cada
interacción con la plataforma les entrega un
dato sobre su propia manera de pensar, un
reflejo de sus procesos mentales. Fuentes-
Riquero (2025) argumenta que esta
aproximación mejora el rendimiento
académico precisamente porque traslada el
foco de la nota final al proceso de
descubrimiento. La recompensa deja de ser
externa y se internaliza; la mayor satisfacción
es sentir que se ha comprendido, que se ha
dominado un desafío.
El rol del docente, lejos de diluirse, se
transfigura en algo más profundo. Liberado de
la tarea mecánica de calificar cada ejercicio,
puede dedicar su energía a observar los
patrones de aprendizaje, a conversar con los
estudiantes sobre sus metas y a diseñar
experiencias más ricas. Gámez Peralta (2025)
observa que los chatbots manejan la rutina,
permitiendo al educador concentrarse en las
chispas de genialidad, en las preguntas que no
tienen una respuesta fácil y en tejer una
comunidad de aprendizaje donde lo humano
brilla con luz propia.
Al final, este ecosistema de
retroalimentación inmediata y aprendizaje
autónomo no busca crear estudiantes
dependientes de la tecnología, sino todo lo
contrario. Anchapaxi-Díaz et al. (2024)
concluyen que el impacto final es la formación
de individuos con iniciativa, capaces de
gestionar su conocimiento a lo largo de la vida.
Se siembra en ellos la semilla de la
autosuficiencia intelectual, la seguridad de que
cuentan con las herramientas internas para
enfrentar lo desconocido. No es un adiós a la
guía, es un hola a una confianza que nace desde
dentro, un viaje de aprendizaje que nunca
termina porque el motor eres tú.
Rol del docente en entornos educativos
asistidos por IA
Lejos de convertirse en una pieza de museo,
el docente encuentra en la inteligencia artificial
un aliado que amplifica su mirada,
permitiéndole escuchar el latido individual de
cada estudiante en el bullicio del aula. Vargas-
Parga y Cediel-Acosta (2025) visualizan este
cambio como una evolución hacia una
enseñanza más dinámica, donde el educador,
armado con datos precisos, puede tomar
decisiones pedagógicas que resuenen con la
necesidad específica de cada niño. La
tecnología no apaga la llama de la vocación; le
SAGA Rev. Cienc. Multidiscip. | e-ISSN 3073-1151 | Octubre-Diciembre, 2025 | vol. 2 | núm. 4 | pág. 133-147
142
ofrece un combustible nuevo para que arda con
más fuerza y precisión.
Imagina al maestro que, liberado de la
pesada carga de calificar pilas interminables de
tareas, levanta la cabeza de los papeles y
redirige su mirada hacia las sonrisas, las
miradas perdidas y los gestos de entusiasmo.
Bejar Alegria et al. (2025) hablan de cómo la
integración de estas herramientas optimiza el
tiempo, regalándole al docente el bien más
preciado: momentos genuinos para conectar.
Su rol deja de ser el de un contable del
conocimiento para transformarse en el de un
arquitecto de experiencias de aprendizaje, un
mediador que teje puentes entre los datos fríos
y los corazones calientes.
Este nuevo paisaje exige, sin embargo, un
viaje de crecimiento profesional. El docente se
convierte en un analista pedagógico, un
intérprete de la sinfonía de información que la
IA le entrega. Vallejo (2024) describe esta
transformación como un paso hacia un
liderazgo pedagógico estratégico, donde el
profesor ya no es la fuente única de saber, sino
el guía que ayuda a los estudiantes a navegar
un océano de información. Es un baile entre la
intuición humana y la precisión algorítmica,
que requiere aprender nuevos pasos sin perder
el compás de la empatía.
La ética emerge como la brújula que guía
este viaje. En un mundo de dashboards y
métricas, la labor humana es garantizar que
ningún niño sea reducido a un punto en una
gráfica. Guamán-Gómez et al. (2023)
reflexionan que el rol del docente en la era
digital implica ser el guardián del equilibrio
entre la eficiencia tecnológica y la calidez del
humanismo. Él es quien recuerda que detrás de
cada porcentaje de progreso hay un ser humano
con miedos, sueños y días buenos y malos,
protegiendo la esencia misma de la educación.
Podemos sentir el cambio en el aire del
salón de clases. El maestro ya no está anclado
al escritorio, sino circulando entre los
estudiantes, ofreciendo una palabra de aliento
aquí, una pregunta provocadora allá. Castro-
Bungacho (2024) afirma que la influencia del
docente en los procesos de enseñanza se
potencia cuando puede dedicar su energía a la
interacción significativa. La IA se ocupa de
monitorear el progreso de forma silenciosa,
como un asistente discreto, permitiendo que el
profesor se concentre en lo que ninguna
máquina puede replicar: el arte de inspirar.
Esta colaboración entre el educador y la
tecnología genera una danza de complementos.
La máquina ofrece el diagnóstico detallado; el
maestro aporta la cura con su calidez. Vargas-
Parga y Cediel-Acosta (2025) ven en esta
sinergia una puerta hacia la accesibilidad,
donde las herramientas amplifican las
capacidades del docente para llegar a todos. Él
interpreta los datos con sabiduría práctica,
añadiendo la capa de comprensión emocional
que transforma la información en una acción
pedagógica profundamente humana y efectiva.
El desafío, entonces, es hermoso y
profundo. Se trata de abrazar la innovación sin
perder la identidad. Vallejo (2024) insiste en
que este nuevo liderazgo pide docentes
curiosos, dispuestos a cultivar competencias
digitales sin abandonar su núcleo de valores.
Es un llamado a ser eternos aprendices, a
construir una pedagogía donde la tecnología
sirva para hacer más visibles a los estudiantes,
no para ocultarlos detrás de pantallas y
algoritmos. Un equilibrio que convierte el aula
en un espacio de futuro y corazón.
La confianza que un estudiante siente
cuando su maestro lo mira a los ojos y le dice
“veo tu esfuerzo” es un nutriente que ninguna
inteligencia artificial puede fabricar. La labor
del docente, como señala Castro-Bungacho
(2024), es fundamental para influir en la
motivación y la autoestima de los aprendices.
La IA puede indicar que un niño tiene
dificultades con las fracciones, pero es el
maestro quien, con una anécdota o una
analogía personal, logra que el concepto cobre
vida y sentido. Esa magia es, y seguirá siendo,
irreemplazable.
Al integrar estas herramientas, el educador
no pierde autoridad; gana un nuevo repertorio
de posibilidades. Bejar Alegria et al. (2025)
proponen estrategias para que los maestros
integren la IA de manera natural, optimizando
la interacción. Esto no se trata de rendirse ante
las máquinas, sino de enriquecer la práctica
SAGA Rev. Cienc. Multidiscip. | e-ISSN 3073-1151 | Octubre-Diciembre, 2025 | vol. 2 | núm. 4 | pág. 133-147
143
con un instrumento más en la orquesta
pedagógica. El director sigue siendo el
docente, con su batuta cargada de experiencia
e intuición, dirigiendo una melodía donde la
tecnología es un músico más, nunca el
compositor.
Al final, el aula del futuro no estará llena de
pantallas frías, sino de relaciones humanas
potenciadas por la tecnología. El docente se
erige como el faro que guía a sus estudiantes
en un mundo complejo, usando la IA como un
telescopio para ver más lejos y con más
claridad. Guamán-Gómez et al. (2023)
concluyen que su rol es, ahora más que nunca,
ser el mediador que asegura que la tecnología
nos una en lugar de separarnos. Su presencia
asegura que el aprendizaje siga siendo, en
esencia, un acto de encuentro, de crecimiento
compartido y de fe en el potencial infinito de
cada niño que cruza la puerta.
Desafíos éticos y de equidad en la
personalización del aprendizaje
Imagina un aula donde cada niño tiene un
camino de aprendizaje bordado a su medida,
pero algunos senderos están bloqueados por
muros invisibles. Estos muros son los sesgos
algorítmicos, errores sistémicos que surgen
cuando los datos de entrenamiento no
representan la maravillosa diversidad del aula.
Un sistema de reconocimiento facial que no
identifica con igual precisión todos los rostros,
o un algoritmo de contratación que revela
preferencias de género, nos muestran cómo la
tecnología puede perpetuar prejuicios
humanos. El riesgo es que, en lugar de abrir
puertas, estas herramientas construyan
laberintos de desigualdad, condicionando las
trayectorias de aprendizaje con una frialdad
numérica que ignora el potencial ilimitado de
cada estudiante.
El corazón de este problema late en los
datos con los que se alimenta a la inteligencia
artificial. Si un modelo se entrena
mayoritariamente con información de
estudiantes urbanos o de alto rendimiento, su
visión del mundo será tremendamente
limitada. Esto genera un sesgo de selección
que ignora las necesidades de alumnos en
entornos rurales o con estilos de aprendizaje
diferentes. La máquina, entonces, ofrece
recomendaciones que no encajan, como un
zapato que aprieta, generando frustración y
desencanto. Un sistema así puede, sin quererlo,
reforzar estereotipos dañinos, como asociar
carreras STEM a chicos y negárselas a chicas,
cercenando sueños desde la más tierna
infancia.
Más inquietante aún es el sesgo de
confirmación, donde el algoritmo se convierte
en un eco de las desigualdades pasadas. Al
favorecer patrones previos, puede terminar
reforzando desventajas socioeconómicas,
asignando menos recursos y oportunidades a
quienes más los necesitan. Imagina un sistema
de recomendación que, basándose en datos
históricos, dirige contenidos de alta exigencia
a estudiantes de colegios privilegiados y
material básico a escuelas en entornos
vulnerables. La brecha, lejos de cerrarse, se
amplía con una eficiencia aterradora,
consolidando barreras estructurales que la
educación pretende derribar.
La intimidad del alumno se convierte en
otra moneda de cambio en este ecosistema.
Plataformas y herramientas recopilan un tesoro
de datos sensibles: desde calificaciones y
trabajos hasta patrones de comportamiento y
tiempo de estudio. Esta información, si no está
protegida con rigurosos protocolos, queda
expuesta a riesgos de seguridad que vulneran
la privacidad de los niños y sus familias. La
sombra de la monitorización excesiva se cierne
sobre el aula, transformando el espacio de
crecimiento en un panóptico digital donde cada
clic, cada duda, cada error queda registrado. La
confianza, pilar fundamental de la relación
educativa, se resquebraja cuando no existe
transparencia sobre el destino y uso de estos
datos personales.
La brecha digital abre otro abismo
profundo. Mientras algunos estudiantes
navegan a velocidades prodigiosas, otros se
ahogan en la orilla por falta de acceso a
dispositivos, conexión a internet o
simplemente por no poseer las competencias
digitales básicas. La promesa de una educación
hiperpersonalizada se quiebra frente a la cruda
realidad de la inequidad. Un algoritmo puede
SAGA Rev. Cienc. Multidiscip. | e-ISSN 3073-1151 | Octubre-Diciembre, 2025 | vol. 2 | núm. 4 | pág. 133-147
144
diseñar la ruta de aprendizaje perfecta, pero es
inútil si el estudiante no puede cargar la página
web. Este divorcio entre la ambición
tecnológica y la realidad material deja atrás a
comunidades enteras, convirtiendo la
innovación en un privilegio para unos y un
recordatorio de la exclusión para otros.
Frente a este panorama, la necesidad de un
marco ético sólido brilla con urgencia. No se
trata de renunciar a las enormes posibilidades
de la personalización, sino de construir rieles
que guíen su desarrollo hacia la equidad. Este
marco debe priorizar la transparencia,
haciendo comprensibles los procesos
automatizados para que docentes y estudiantes
puedan cuestionarlos. Debe blindar la
privacidad, aplicando normativas como el
RGPD con un rigor inquebrantable,
especialmente cuando se trata de datos de
menores. Y, sobre todo, debe colocar el
bienestar del alumno en el centro de cada
decisión algorítmica.
La supervisión humana emerge como el
antídoto más poderoso contra la frialdad de los
sesgos. El docente, lejos de ser reemplazado,
se transfigura en un guardián crítico, un
mediador que interpreta los datos con sabiduría
práctica y calidez emocional. Su mirada puede
detectar cuando un algoritmo etiqueta
erróneamente a un niño, cuando sus
recomendaciones encasillan en lugar de
liberar. La intervención del educador es la que
convierte un dato frío en una oportunidad de
crecimiento, recordándonos que detrás de cada
porcentaje de rendimiento hay un ser humano
con miedos, sueños y días buenos y malos.
Las soluciones técnicas, por su parte,
requieren un compromiso activo y constante.
Es fundamental realizar auditorías éticas
regulares que examinen los datos de
entrenamiento en busca de prejuicios
demográficos, culturales o históricos. E
implementar sistemas de monitorización
continua que evalúen si el modelo produce
resultados justos para diferentes grupos,
utilizando incluso algoritmos específicos
diseñados para abordar el sesgo. Plataformas
como Gradescope o MATHia son ejemplos de
herramientas que, con una supervisión
adecuada, pueden ajustar la dificultad en
tiempo real y detectar patrones de error,
garantizando una personalización más justa.
La alfabetización digital de toda la
comunidad educativa se erige como la última
pieza de este rompecabezas ético. Formar a
docentes y estudiantes en el funcionamiento
básico de la IA y en la detección de sesgos no
es un lujo, sino una necesidad en el mundo
actual. Se trata de fomentar un escepticismo
saludable, una mirada curiosa que se pregunte
siempre "¿por qué?". ¿Por qué el sistema me
recomienda este contenido y no otro? ¿Por qué
mis errores siguen siempre el mismo patrón?
Esta actitud convierte a los usuarios en
ciudadanos digitales empoderados, capaces de
colaborar en la construcción de tecnologías
más responsables e inclusivas.
Soñar con un futuro donde la
personalización del aprendizaje sea sinónimo
de equidad profunda es posible. Un futuro
donde la IA funcione como un faro que ilumine
el potencial único de cada niño, sin dejar a
nadie en la penumbra. Donde la tecnología,
guiada por una brújula ética inquebrantable y
por la mano cálida del educador, nos permita
finalmente tecer una educación que celebre
every singularidad. Donde la promesa de un
aprendizaje verdaderamente personal no sea el
privilegio de unos, sino el derecho
fundamental de todos aquellos que cruzan la
puerta del aula con la esperanza de construir un
mañana mejor.
CONCLUSIONES
Al final de este viaje por las páginas de
numerosas investigaciones, emerge una
conclusión diáfana y esperanzadora: la
inteligencia artificial está redefiniendo la
educación básica con un poder transformador
tangible. Los algoritmos adaptativos han
demostrado ser capaces de tejer rutas de
aprendizaje a la medida de cada niño,
ajustando el ritmo y la dificultad con una
precisión que antes parecía un sueño lejano.
Esta personalización técnica, lejos de ser fría,
ha revelado un potencial enorme para hacer
que los estudiantes se sientan verdaderamente
vistos y comprendidos en su proceso de
aprender, cultivando una confianza que nace
SAGA Rev. Cienc. Multidiscip. | e-ISSN 3073-1151 | Octubre-Diciembre, 2025 | vol. 2 | núm. 4 | pág. 133-147
145
de experimentar desafíos a su medida y de
celebrar logros que son genuinamente suyos.
Sin embargo, nuestro entusiasmo debe estar
templado por una mirada honesta a las sombras
que acompañan a esta luz. La promesa de
equidad que trae la personalización choca
frontalmente con la dura realidad de las
brechas digitales y los sesgos algorítmicos.
Descubrimos que un algoritmo puede, sin
quererlo, perpetuar las mismas desigualdades
que dice combatir, y que la falta de acceso a la
tecnología o a una conexión estable puede
dejar a comunidades enteras fuera de esta
revolución educativa. Esta no es una
adversidad pequeña; es el recordatorio urgente
de que la tecnología más avanzada carece de
valor si no llega a todas las manos por igual, si
no está diseñada con una lupa ética que
examine cada línea de código.
Uno de los hallazgos más alentadores reside
en la transformación del rol docente. Lejos de
convertirse en una pieza prescindible, el
maestro emerge como la pieza central de este
nuevo ecosistema, un guía humano cuya labor
se enriquece con las herramientas de la IA.
Imagine un educador que, liberado de tareas
repetitivas de evaluación, puede dedicar su
energía a lo que realmente importa: escuchar la
curiosidad de un alumno, calmar una
frustración con una palabra oportuna o
encender la chispa de una nueva pasión. Esta
es la verdadera sinergia, donde la máquina
calcula y el profesor inspira, donde los datos
informan pero la empatía decide.
La retroalimentación inmediata se erige
como otro pilar fundamental, cambiando para
siempre la relación de los estudiantes con el
error. Ese momento de duda, que antes podía
convertirse en una herida silenciosa, se
transforma ahora en una oportunidad
instantánea de crecimiento. Es como tener un
compañero de estudios que nunca se cansa de
explicar, que convierte cada tropiezo en un
peldaño. Este ciclo virtuoso de intento,
feedback y mejora no eleva el rendimiento
académico; construye resiliencia, paciencia y
una autoimagen positiva que los niños llevarán
consigo mucho más allá del aula.
Mirando hacia el futuro, el camino está
marcado por una dualidad fascinante. Por un
lado, la necesidad de desarrollar marcos éticos
robustos y políticas educativas audaces que
garanticen una personalización justa,
transparente y centrada en el bienestar del
estudiante. Por otro, la imperiosa tarea de
formar a una generación de docentes como
líderes pedagógicos estratégicos, capaces de
asociarse con la tecnología sin perder su
esencia humana. El mañana que imaginamos
no es de aulas robotizadas, sino de espacios
donde la calidez del maestro y la precisión del
algoritmo se dan la mano para nutrir el
potencial infinito que habita en cada mirada
curiosa. Ese es el horizonte, un futuro donde la
tecnología nos ayuda, finalmente, a ser más
humanos.
REFERENCIAS BIBLIOGRÁFICAS
Alvarado Bedor, A. E. (2025). Inteligencia
Artificial y Aprendizaje Personalizado:
Adaptación de Contenidos Educativos
para Potenciar el Desarrollo Integral en
Primero de Básica. Revista Científica de
Salud y Desarrollo Humano, 6(1), 1530
–
1553.
https://doi.org/10.61368/r.s.d.h.v6i1.545
Anchapaxi-Díaz, C. L., Pinenla-Palaguaray, Y. M.,
Caiza-Olapincha, S. P., Parra-Taboada, I.
A., Abad-Guamán, M. A., & Viñamagua-
Arias, B. V. (2024). Uso de chatbots
educativos y su impacto en el aprendizaje
autónomo en bachillerato. Revista
Científica Retos de la Ciencia, 1(4), 200
–
214.
https://doi.org/10.53877/rc.8.19e.202409.
16
Bejar Alegría, M. X., Anangonó Rosero, G. G.,
Vera Arroyo, D. M., & Cango Zhinín, M.
Á. (2025). Integración de IA en el aula:
Estrategias para que los docentes integren
IA en sus métodos de enseñanza,
optimizando el tiempo y la interacción con
los estudiantes. Revista Social Fronteriza,
5(1), e
–
613.
https://doi.org/10.59814/resofro.2025.5(1)
613
Borja López, Y. A., Gutiérrez Constante, G. F.,
Zapata Achig, V. H., & Salinas
Montemayor, A. D. (2025). Hacia una
enseñanza más adaptativa y eficiente en la
educación superior: El impacto de la
inteligencia artificial en la transformación
SAGA Rev. Cienc. Multidiscip. | e-ISSN 3073-1151 | Octubre-Diciembre, 2025 | vol. 2 | núm. 4 | pág. 133-147
146
de las estrategias docentes y el aprendizaje
personalizado. Reincisol, 4(7), 1221
–
1244.
https://doi.org/10.59282/reincisol.V4(7)12
21-1244
Castro-Bungacho, I. S. (2024). El rol del docente y
su influencia en los procesos de enseñanza
en la educación técnica de mecatrónica.
Código Científico Revista de
Investigación, 5(2), 282
–
298.
https://doi.org/10.55813/gaea/ccri/v5/n2/5
51
Flor Calva, E., Lucas Villacís, J., Ronquillo
Peñaherrera, A., Sáenz Espín, S., &
Bohórquez Sánchez, R. (2025). IA en la
educación personalizada y sistemas
inteligentes adaptativos: Un enfoque
basado en redes neuronales recurrentes.
Polo del Conocimiento, 10(5), 3100
–
3110.
https://doi.org/10.23857/pc.v10i5.9623
Fuentes-Riquero, S. Y. (2025). Estrategias de
aprendizaje autónomo a través de las TIC
en estudios sociales: Un enfoque para
mejorar la autoeficacia y el rendimiento
académico. Revista Científica Zambos,
4(1), 74
–
86.
https://doi.org/10.69484/rcz/v4/n1/77
Gámez Peralta, W. O. (2025). Implementación de
chatbots educativos con IA para el
aprendizaje autónomo en estudiantes
universitarios. Innovarium International
Journal,
3(2), 1
–
12.
https://doi.org/10.71068/rbe5ba68
García Tamayo, J. V., Villon Navarrete, P. D.,
Torres Riofrio, R. D., & Arias Pardo, L. M.
(2024). La ética en la educación superior:
Abordando desafíos y oportunidades para
el aprendizaje inclusivo. Reincisol, 3(5),
890
–
907.
https://doi.org/10.59282/reincisol.V3(5)89
0-907
Guamán-Gómez, V. J., Espinoza-Freire, E. E., &
Granda-Ayabaca, D. M. (2023). Rol del
docente en la era digital. Portal de la
Ciencia, 4(3), 364
–
378.
https://doi.org/10.51247/pdlc.v4i3.398
Imaicela Vega, R. E., Conza Chuquirima, J. H.,
Conza Chuquirima, M. E., Jiménez
Chuquimarca, K. de la N., Cango
Alejandro, M. C., & Vega Lanchi, M. M.
(2025). Estrategias de retroalimentación
formativa para potenciar el desempeño
escolar. Revista InveCom, 5(1), e501084.
https://doi.org/10.5281/zenodo.12549650
Lumbi Salazar, F. O., Zurita Pilco, L. A., & Achiña
Andrango, E. P. (2025). La inteligencia
artificial como herramienta para
personalizar el aprendizaje en la educación
superior. Ibero Ciencias
–
Revista
Científica y Académica, 4(3), 1374
–
1383.
https://doi.org/10.63371/ic.v4.n3.a176
Mera Castillo, D. E. (2023). La influencia de la
inteligencia artificial en la personalización
del aprendizaje: Perspectivas y desafíos en
la educación. Revista Ingenio Global, 2(2),
28
–
39.
https://doi.org/10.62943/rig.v2n2.2023.64
Parraga, J. A., Macías Zambrano, R. M., & Tubay
Cevallos, L. A. (2024). La personalización
del aprendizaje: Estrategias de adaptación
de contenido con inteligencia artificial en
entornos educativos. Educación y
Vínculos. Revista de Estudios
Interdisciplinarios en Educación, 64
–
77.
https://doi.org/10.33255/2591/1940
Suárez Lima, G. J., Ramírez Moran, L. P., Tapia
García, K. S., & Cheza Castro, A. A.
(2025). Inteligencia artificial aplicada al
aprendizaje adaptativo: Un modelo
innovador para mejorar la experiencia
educativa universitaria. Reincisol, 4(8),
3789
–
3815.
https://doi.org/10.59282/reincisol.V4(8)37
89-3815
Torres-Roberto, M. A. (2024). Evaluación
formativa continua en la enseñanza y
aprendizaje del cálculo: Mejorando el
rendimiento académico en estudiantes de
educación profesional. Journal of
Economic and Social Science Research,
4(2), 93
–
113.
https://doi.org/10.55813/gaea/jessr/v4/n2/
104
Vallejo, A. (2024). La transformación del rol
docente en la era de la inteligencia
artificial: Hacia un liderazgo pedagógico
estratégico. Trayectorias Universitarias,
10(19), 165.
https://doi.org/10.24215/24690090e165
Vargas-Parga, L. A., & Cediel-Acosta, W. O.
(2025). Innovando las estrategias docentes
y el aprendizaje personalizado en la
educación superior mediante el uso de
inteligencia artificial para una enseñanza
más dinámica y accesible. MQR
Investigar, 9(1), e256.
https://doi.org/10.56048/MQR20225.9.1.2
025.e256
SAGA Rev. Cienc. Multidiscip. | e-ISSN 3073-1151 | Octubre-Diciembre, 2025 | vol. 2 | núm. 4 | pág. 133-147
147
DECLARACIÓN DE CONFLICTO DE INTERESES
La autora declara no tener conflictos de intereses.
DERECHOS DE AUTOR
Cedeño Alvarez, A. del R. (2025)
Este es un artículo de acceso abierto distribuido bajo la licencia Creative Commons de Atribución No
Comercial 4.0, que permite su uso sin restricciones, su distribución y reproducción por cualquier
medio, siempre que no se haga con fines comerciales y el trabajo original sea fielmente citado.
El texto final, datos, expresiones, opiniones y apreciaciones contenidas en esta publicación es de
exclusiva responsabilidad de los autores y no necesariamente reflejan el pensamiento de la revista.