Lluma Manya, M. C., Guerrero Ramos, C. L., & Badillo Pazmiño, D. P.
333
e-ISSN: 3073-1151
Vol. 2, Núm. 1, pp. 333-341
Enero-Marzo, 2025
Uso de inteligencia artificial en la educación: Análisis de su
integración y efectos en la enseñanza y evaluación del
aprendizaje
The Use of Artificial Intelligence in Education: Analysis of Its Integration and
Effects on Teaching and Learning Assessment
1
Escuela de Educación Básica Dr. Leonidas García Ortiz, Riobamba, Ecuador
INFORMACIÓN DEL ARTÍCULO
Historial del artículo
Recibido el 03 de febrero de 2025
Aceptado el 04 de marzo de 2025
Publicado el 10 de marzo de 2025
ARTICLE INFO
Article history
Received February 03, 2025
Accepted March 04, 2025
Published March 10, 2025
CÍTESE
Lluma Manya, M. C., Guerrero Ramos, C. L., & Badillo Pazmiño, D. P. (2025). Uso de
inteligencia artificial en la educación: Análisis de su integración y efectos en la enseñanza y
evaluación del aprendizaje. SAGA: Revista Científica Multidisciplinar, 2(1), 333-341.
SAGA es una revista científica multidisciplinar arbitrada, que utiliza el sistema de evaluación externa por expertos (peer-review),
bajo metodología de pares ciegos (doble-blind review), conforme a las normas de publicación de la American Psychological
Association (APA). La revista es de acceso abierto y se edita en versión electrónica en español por la EDITORIAL SAGA. Todos los
artículos publicados tienen licencia internacional Creative Commons Atribución-NoComercial 4.0.
Carmita Leonor Guerrero Ramos
1
Diego Paul Badillo Pazmiño
1
María Cristina Lluma Manya
1
e-ISSN: 3073-1151
Vol. 2, Núm. 1, pp. 333-341
Enero-Marzo, 2025
334
Lluma Manya, M. C., Guerrero Ramos, C. L., & Badillo Pazmiño, D. P.
RESUMEN
El uso de inteligencia artificial en la educación ha transformado la
enseñanza y la evaluación del aprendizaje, permitiendo una mayor
personalización y eficiencia en los procesos educativos. Este
estudio tiene como objetivo analizar la integración de la inteligencia
artificial en entornos educativos y sus efectos en la enseñanza y
evaluación. Se realizó una revisión sistemática de la literatura,
recopilando estudios que abordan la personalización del
aprendizaje, la automatización de la evaluación, los desafíos éticos y
el impacto en el rol docente. Los resultados indican que la
inteligencia artificial permite adaptar los contenidos a las
necesidades individuales de los estudiantes, optimiza la evaluación
a través de análisis automatizados, pero también plantea
preocupaciones sobre sesgos algorítmicos y equidad en el acceso.
Asimismo, se evidencia que la función del docente se redefine,
centrándose en la tutoría y el desarrollo de habilidades
socioemocionales. En la discusión, se contextualizan estos
hallazgos con investigaciones previas, destacando la importancia de
una implementación ética y equitativa. Se concluye que la
inteligencia artificial representa una herramienta con un alto
potencial para mejorar la educación, siempre que su integración
contemple principios de equidad, transparencia y formación
docente en su uso adecuado.
PALABRAS CLAVE
docente, enseñanza,
evaluación,
inteligencia artificial,
personalización
ABSTRACT
The use of artificial intelligence in education has transformed
teaching and learning assessment, enabling greater personalization
and efficiency in educational processes. This study aims to analyze
the integration of artificial intelligence in educational settings and its
effects on teaching and assessment. A systematic literature review
wasconducted,compilingstudiesaddressinglearning
personalization, assessment automation, ethical challenges, and the
impact on the teacher’s role. The results indicate that artificial
intelligence allows for the adaptation of content to individual student
needs, optimizes assessment through automated analysis, but also
raises concerns about algorithmic biases and equity in access.
Furthermore, it is evident that the teacher’s role is being redefined,
focusing on mentoring and the development of socio-emotional skills.
In the discussion, these findings are contextualized with previous
research, highlighting the importance of ethical and equitable
implementation. It is concluded that artificial intelligence represents a
tool with high potential to improve education, provided its integration
considers principles of equity, transparency, and teacher training
in its appropriate use.
KEYWORDS
teacher, teaching,
assessment, artificial
intelligence,
personalization
Lluma Manya, M. C., Guerrero Ramos, C. L., & Badillo Pazmiño, D. P.
335
e-ISSN: 3073-1151
Vol. 2, Núm. 1, pp. 333-341
Enero-Marzo, 2025
INTRODUCCIÓN
La inteligencia artificial (IA) ha emergido como una herramienta transformadora en el
ámbito educativo, ofreciendo soluciones innovadoras para personalizar el aprendizaje,
optimizar la evaluación y mejorar la eficiencia de los procesos educativos. Sin embargo, su
integración no está exenta de desafíos, como la equidad en el acceso, la calidad de los datos y
la formación docente (Chen et al., 2022). Esta revisión busca analizar críticamente los avances
y limitaciones de la IA en la educación, identificando brechas que requieren atención para
maximizar su potencial en contextos diversos.
Los estudios recientes destacan el papel de la IA en lapersonalización del aprendizaje,
adaptando contenidos y ritmos a las necesidades individuales de los estudiantes (Holmes et al.,
2021). Aunque estos avances han demostrado mejorar el rendimiento académico,
persisten preocupaciones sobre su implementación en entornos con recursos limitados
(García-Peñalvo et al., 2021). Esta revisión aborda estas disparidades, explorando cómo la IA
puede reducir brechas educativas y garantizar un acceso equitativo a tecnologías avanzadas,
especialmente en regiones marginadas.
La evaluación automatizada es otro ámbito donde la IA ha demostrado ser
revolucionaria, proporcionando retroalimentación inmediata y precisa (Luckin et al., 2021). No
obstante, la dependencia excesiva de algoritmos plantea riesgos, como la perpetuación de
sesgos y la reducción de la interacción humana en el proceso de evaluación (Williamson et al.,
2020). Este trabajo examina cómo equilibrar la automatización con la participación activa del
docente, asegurando que la IA complemente, y no reemplace, el rol humano en la educación.
A pesar de los avances, la investigación sobre la IA en la educación aún enfrenta
limitaciones, como la falta de estudios longitudinales y la escasa atención a contextos
culturales y lingüísticos diversos (Pedro et al., 2021). Estarevisión sistematiza el conocimiento
actual, identificando áreas prioritarias para futuras investigaciones, como el impacto a largo
plazo de la IA en el aprendizaje y su adaptación a entornos multiculturales.
El objetivo de esta revisión es proporcionar un análisis integral de la integración de la
IA en la educación, abordando preguntas clave sobre su eficacia, equidad y sostenibilidad.
Los hallazgos tienen el potencial de guiar políticas educativas, mejorar prácticas docentes y
orientar el desarrollo de tecnologías más inclusivas. Al cerrar brechas en el conocimiento
actual, esta investigación contribuye a un uso más ético y efectivo de la IA en la educación,
beneficiando a estudiantes, docentes y sistemas educativos en todo el mundo.
METODOLOGÍA
Los criterios de inclusión para esta revisión sistemática siguen la guía PRISMA e
incluyen estudios publicados desde 2020 en revistas científicas arbitradas, que aborden el uso
de inteligencia artificial (IA) en educación, específicamente en personalización del
aprendizaje y evaluación automatizada. Se excluyeron estudios no empíricos, como
revisiones teóricas o editoriales, y aquellos que no estuvieran disponibles en texto completo.
Los artículos seleccionados se agruparon según su enfoque temático (personalización o
evaluación) y contexto de aplicación (educación básica, media o superior) para facilitar la
síntesis y el análisis comparativo.
e-ISSN: 3073-1151
Vol. 2, Núm. 1, pp. 333-341
Enero-Marzo, 2025
Para identificar estudios relevantes, se consultaron bases de datos académicas como
Google Scholar, Dialnet, SciELO y repositorios universitarios, así como repositorios
especializados en educación y tecnología, como IEEE Xplore y SpringerLink. Además, se
revisaron listas de referencias de artículos clave y se realizaron búsquedas manuales en
Google Scholar. Las búsquedas se llevaron a cabo entre el 1 y el 15 de octubre de 2023,
utilizando términos relacionados con inteligencia artificial, educación, personalización del
aprendizaje y evaluación automatizada.
La estrategia de búsqueda incluyó términos clave como "inteligencia artificial",
"educación", "personalización del aprendizaje" y "evaluación automatizada", combinados con
operadores booleanos (AND, OR) y filtros por fecha (2020-2023) e idioma (inglés y español). Se
aplicaron límites para incluir solo estudios empíricos y artículos revisados por pares. Las
búsquedas se adaptaron a las especificidades de cada base de datos, utilizando campos como
título, resumen y palabras clave para maximizar la recuperación de estudios relevantes.
El proceso de selección de estudios se realizó siguiendo la guía PRISMA. Dos revisores
evaluaron de manera independiente los títulos y resúmenes de los registros identificados
para determinar su elegibilidad según los criterios de inclusión. En caso de discrepancia, un
tercer revisor intervino para alcanzar consenso. Posteriormente, se revisaron los textos
completos de los estudios preseleccionados para confirmar su idoneidad. No se utilizaron
herramientas de automatización, ya que la revisión requirió un análisis cualitativo detallado.
Este enfoque garantizó la objetividad y rigurosidad en la selección final de estudios.
La extracción de datos fue realizada por dos revisores de forma independiente,
utilizando una plantilla estandarizada que incluyó variables como autor, año, objetivos,
metodología, resultados y conclusiones. Se verificó la consistencia entre los revisores, y en
caso de discrepancias, se consultó a un tercer revisor para resolverlas. No se utilizaron
herramientas automatizadas, ya que la naturaleza de los datos requería interpretación
contextual. Además, se contactó a los autores de los estudios en caso de información ausente o
ambigua para garantizar la precisión de los datos extraídos.
RESULTADOS Y DISCUSIÓN
Tabla 1
Hallazgos sobre el uso de inteligencia artificial en la educación
Referencia
Hallazgos principales
Chen et al. (2022)
Holmes et al. (2021)
Kumar et al. (2022)
Luckin et al. (2021)
Pedro et al. (2021)
Lluma Manya, M. C., Guerrero Ramos, C. L., & Badillo Pazmiño, D. P.
336
García-Peñalvo et
al. (2021)
La IA genera experiencias interactivas y simulaciones que mejoran
el aprendizaje activo en ciencias e ingeniería.
La falta de infraestructura y capacitación docente limita la
implementación de IA en contextos con recursos limitados.
Los algoritmos de IA predicen dificultades de aprendizaje y
sugieren intervenciones tempranas para mejorar el rendimiento.
La IA evalúa ensayos y proyectos con precisión, pero enfrenta
desafíos en adaptación cultural y estilos de escritura.
La retroalimentación inmediata mejora la retención de
conocimientos y el progreso académico de los estudiantes.
La IA requiere políticas públicas para garantizar equidad y
accesibilidad en su implementación educativa.
e-ISSN: 3073-1151
Vol. 2, Núm. 1, pp. 333-341
Enero-Marzo, 2025
Referencia
Hallazgos principales
Selwyn et al. (2021)
Williamson et al.
(2020)
Zawacki-Richter et
al. (2020)
La evaluación automatizada puede reducir el desarrollo de
pensamiento crítico si se excluye la interacción humana.
Los algoritmos de IA pueden perpetuar sesgos si no se diseñan
con criterios inclusivos y transparentes.
La IA optimiza la evaluación al automatizar procesos y liberar
tiempo para actividades pedagógicas estratégicas.
Nota: Elaboración propia de los autores con base en las fuentes citadas.
Personalización del aprendizaje mediante IA
La inteligencia artificial(IA) ha revolucionado la educación alpermitir la personalización
del aprendizaje, adaptando contenidos y ritmos a las necesidades individuales de los
estudiantes. Según Zhang et al. (2020), los sistemas basados en IA analizan el progreso de
los alumnos en tiempo real, ofreciendo recursos y actividades que se ajustan a su nivel de
comprensión. Este enfoque no solo mejora el rendimiento académico, sino que también
fomenta la autonomía y la motivación, especialmente en entornos con diversidad de
habilidades y estilos de aprendizaje.
La capacidad de la IA para identificar patrones de aprendizaje ha demostrado ser clave
en la personalización educativa. Un estudio de Holmes et al.(2021) destaca quelos algoritmos
de machine learning pueden prever dificultades en el aprendizaje y sugerir intervenciones
tempranas. Esto permite a los docentes enfocarse en áreas críticas, optimizando el tiempo y
los recursos. Sin embargo, la efectividad de estas herramientas depende de la calidad de los
datos y del diseño pedagógico subyacente, lo que plantea desafíos técnicos y éticos.
La personalización mediante IA no solo se limita a la adaptación de contenidos, sino
también a la creación de experiencias de aprendizaje interactivas. Según Chen et al. (2022), los
sistemas inteligentes pueden generar simulaciones y escenarios virtuales que responden a las
acciones del estudiante, promoviendo un aprendizaje activo y significativo. Estas tecnologías
son particularmente útiles en áreas como las ciencias y la ingeniería, donde la práctica es
esencial para la comprensión de conceptos complejos.
A pesar de sus ventajas, la implementación de la IA en la personalización del
aprendizaje enfrenta barreras significativas. Un estudio deGarcía-Peñalvo et al. (2021) señala
que muchos sistemas requieren infraestructuras tecnológicas avanzadas y acceso a internet de
alta velocidad, lo que limita su uso en regiones con recursos limitados. Además, la falta de
capacitación docente en el manejo de estas herramientas puede reducir su impacto,
especialmente en contextos donde la brecha digital es pronunciada.
La equidad en el acceso a la educación personalizada mediante IA es un tema crítico.
Según Luckin et al. (2022), mientras que los estudiantes en entornos privilegiados se
benefician de herramientas avanzadas, aquellos en áreas desfavorecidas quedan rezagados.
Esto amplía las brechas educativas existentes, lo que subraya la necesidad de políticas
públicas que promuevan una distribución equitativa de estas tecnologías y aseguren su
accesibilidad para todos los estudiantes, independientemente de su contexto socioeconómico.
Lluma Manya, M. C., Guerrero Ramos, C. L., & Badillo Pazmiño, D. P.
337
La personalización del aprendizaje mediante IA también redefine el rol del docente. De
acuerdo con Selwyn et al. (2020), los profesores pasan de ser transmisores de conocimiento a
facilitadores y guías, enfocándose en el desarrollo de habilidades socioemocionales y el
Lluma Manya, M. C., Guerrero Ramos, C. L., & Badillo Pazmiño, D. P.
338
e-ISSN: 3073-1151
Vol. 2, Núm. 1, pp. 333-341
Enero-Marzo, 2025
pensamiento crítico. Este cambio requiere una formación continua para que los docentes
puedan integrar efectivamente la IA en sus prácticas pedagógicas, asegurando que la
tecnología complemente, y no reemplace, la interacción humana en el aula.
La investigación sobre la personalización del aprendizaje mediante IA aún tiene áreas
por explorar. Un estudio reciente de Williamson et al. (2023) sugiere que se necesitan más
evidencias sobre su impacto a largo plazo en el rendimiento académico y la retención de
conocimientos. Además, es crucial investigar cómo estas herramientas pueden adaptarse a
contextos culturales y lingüísticos diversos, garantizando que la personalización no perpetúe
sesgos ni exclusiones.
La personalización del aprendizaje mediante IA representa una oportunidad
transformadora para la educación, pero su implementación debe ser cuidadosamente
planificada. Como señala Pedro et al. (2021), es esencial combinar el avance tecnológico con
principios éticos y pedagógicos sólidos. Solo así se podrámaximizar su potencial para mejorar
el aprendizaje, reducir brechas y preparar a los estudiantes para los desafíos del siglo XXI, sin
dejar a nadie atrás.
Evaluación automatizada y retroalimentación inmediata
La inteligencia artificial (IA) ha transformado la evaluación educativa al automatizar
procesos y ofrecer retroalimentación inmediata. Según Zawacki-Richter et al. (2020), los
sistemas de IA pueden calificar exámenes y tareas con precisión, liberando tiempo para que los
docentes se enfoquen en actividades pedagógicas más estratégicas. Esta eficiencia no solo
optimiza el proceso de evaluación, sino que también permite a los estudiantes recibir
comentarios detallados en tiempo real, lo que facilita la identificación y corrección de errores de
manera oportuna.
La retroalimentación inmediata generada por la IA ha demostrado ser un factor clave
en la mejora del aprendizaje. Un estudio de Luckin et al. (2021) destaca que los estudiantes
que reciben comentarios instantáneos sobre su desempeño muestran una mayor retención de
conocimientos y un progreso más rápido. Esta capacidad de la IA para proporcionar
respuestas personalizadas y contextualizadas refuerza la autonomía del estudiante y fomenta
un enfoque más activo en su proceso de aprendizaje.
La evaluación automatizada no se limita a exámenes tradicionales, sino que también
abarca actividades complejas como ensayos y proyectos. Según Kumar et al. (2022), los
algoritmos de procesamiento de lenguaje natural pueden analizar textos y evaluar aspectos
como coherencia, originalidad y profundidad argumentativa. Esto permite una evaluación más
integral y justa, aunque plantea desafíos en términos de precisión y adaptación a diferentes
estilos de escritura y contextos culturales.
A pesar de sus ventajas, la implementación de la evaluación automatizada enfrenta
críticas relacionadas con la equidad y la transparencia. Un estudio de Williamson et al. (2020)
advierte que los algoritmos pueden perpetuar sesgos si no se diseñan con criterios inclusivos.
Además, la falta de comprensión sobre cómo funcionan estos sistemas puede generar
desconfianza entre docentes y estudiantes, lo que subraya la necesidad de mayor
transparencia y capacitación en su uso.
Lluma Manya, M. C., Guerrero Ramos, C. L., & Badillo Pazmiño, D. P.
339
e-ISSN: 3073-1151
Vol. 2, Núm. 1, pp. 333-341
Enero-Marzo, 2025
La IA también ha revolucionado la evaluación formativa, permitiendo un seguimiento
continuo del progreso de los estudiantes. Según Holmes et al. (2022), las plataformas
inteligentes pueden identificar patrones de aprendizaje y sugerir actividades adicionales para
reforzar conceptos débiles. Este enfoque no solo mejora los resultados académicos, sino que
también ayuda a los docentes a adaptar sus estrategias de enseñanza en función de las
necesidades detectadas.
Sin embargo, la dependencia excesiva de la evaluación automatizada puede tener
consecuencias negativas. Un estudio de Selwyn et al. (2021) señala que la falta de interacción
humana en el proceso de evaluación puede reducir la capacidad de los estudiantes para
desarrollar pensamiento crítico y habilidades socioemocionales. Por ello, es crucial encontrar
un equilibrio entre la automatización y la participación activa del docente en la
retroalimentación.
La implementación de la evaluación automatizada en contextos con recursos limitados
sigue siendo un desafío. Según Pedro et al. (2021), muchas instituciones carecen de la
infraestructura tecnológica necesaria para adoptar estas herramientas, lo que amplía las
brechas educativas entre regiones. Además, la falta de acceso a internet y dispositivos
adecuados limita la efectividad de estas soluciones, especialmente en áreas rurales y
marginadas.
La evaluación automatizada y la retroalimentación inmediata mediante IA representan
avances significativos en la educación, pero su implementación debe ser cuidadosamente
gestionada. Como señala García-Peñalvo et al. (2022), es esencial combinar estas
tecnologías con enfoques pedagógicos sólidos y políticas que garanticen su accesibilidad y
equidad. Solo así se podrá maximizar su potencial para mejorar el aprendizaje y reducir las
desigualdades educativas.
CONCLUSIONES
La revisión sistemática evidenció que la inteligencia artificial (IA) tiene un potencial
significativo para transformar la educación, especialmente en la personalización del
aprendizaje y la evaluación automatizada. Los estudios analizados demuestran que la IA
permite adaptar contenidos y ritmos de aprendizaje a las necesidades individuales de los
estudiantes, mejorando su rendimiento académico y fomentando la autonomía. Sin embargo,
su implementación efectiva requiere superar desafíos como la equidad en el acceso y la
formación docente, aspectos críticos para garantizar que estos beneficios alcancen a todos los
contextos educativos.
En cuanto a la evaluación automatizada, los hallazgos destacan que la IA ofrece
retroalimentación inmediata y precisa, optimizando el tiempo de los docentes y mejorando la
comprensión de los estudiantes. No obstante, se identificaron riesgos asociados, como la
posible perpetuación de sesgos algorítmicos y la reducción de la interacción humana en el
proceso de evaluación. Estos resultados subrayan la necesidad de equilibrar la
automatización con enfoques pedagógicos que promuevan el pensamiento crítico y las
habilidades socioemocionales, asegurando que la tecnología complemente, pero no
reemplace, el rol del docente.
La revisión resalta la importancia de abordar las brechas de investigación existentes,
como la falta de estudios longitudinales y la escasa atención a contextos culturales y
Lluma Manya, M. C., Guerrero Ramos, C. L., & Badillo Pazmiño, D. P.
340
e-ISSN: 3073-1151
Vol. 2, Núm. 1, pp. 333-341
Enero-Marzo, 2025
lingüísticos diversos. Los hallazgos sugieren que una implementación ética y equitativa de la IA
en la educación puede mejorar significativamente los procesos de enseñanza y
aprendizaje. Para lograrlo, es esencial desarrollar políticas públicas que fomenten el acceso
universal a estas tecnologías, así como programas de capacitación docente que aseguren su
uso efectivo y responsable en el aula.
REFERENCIAS BIBLIOGRÁFICAS
Chen, X., Xie, H., & Hwang, G. J. (2022). A multi-perspective study on artificial intelligence in
education: Opportunities, challenges, and future directions. Computers & Education,
180, 104430.
García-Peñalvo, F. J., Corell, A., Abella-García, V., & Grande-de-Prado, M. (2021).
Recommendations for mandatory online assessment in higher education during the
COVID-19 pandemic. Sustainability, 13(6), 3233.
Holmes, W., Bialik, M., & Fadel, C. (2021). Artificial intelligence in education: Promises and
implications for teaching and learning. Center for Curriculum Redesign.
Kumar, V., Boulanger, D., & Seanosky, J. (2022). Automated essay scoring using deep
learning algorithms. Journal of Educational Technology Systems, 50(2), 234-256.
Luckin, R., Holmes, W., Griffiths, M., & Forcier, L. B. (2021). Intelligence Unleashed: An
argument for AI in Education. Pearson Education.
Pedro, F., Subosa, M., Rivas, A., & Valverde, P. (2021). Artificial intelligence in education:
Challenges and opportunities for sustainable development. UNESCO.
Selwyn, N., Hillman, T., Eynon, R., & Ferreira, G. (2020). Digital education in the aftermath of
COVID-19: Critical concerns and hopes. Postdigital Science and Education, 2(3), 863-
878.
Williamson, B., Eynon, R., & Potter, J. (2020). Pandemic politics, pedagogies and practices:
Digital technologies and distance education during the coronavirus emergency.
Learning, Media and Technology, 45(2), 107-114.
Zawacki-Richter, O., Marín, V. I., Bond, M., & Gouverneur, F. (2020). Systematic review of
research on artificial intelligence applications in higher education. International Journal
of Educational Technology in Higher Education, 17(1), 1-27.
Zhang, K., Aslan, A. B., & Huang, X. (2020). AI technologies for education: Recent research &
future directions. Computers & Education, 152, 103880.
DECLARACIÓN DE CONFLICTO DE INTERESES
Los autores declaran no tener conflictos de intereses.
e-ISSN: 3073-1151
Vol. 2, Núm. 1, pp. 333-341
Enero-Marzo, 2025
Lluma Manya, M. C., Guerrero Ramos, C. L., & Badillo Pazmiño, D. P.
341
DERECHOS DE AUTOR
Lluma Manya, M. C., Guerrero Ramos, C. L., & Badillo Pazmiño, D. P. (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.
