Licencia Creative Commons Atribución 4.0 Internacional (CC BY 4.0)
Revista Cátedra, 9(1), pp. 36-53, enero-junio 2026. e-ISSN: 2631-2875
https://doi.org/10.29166/catedra.v9i1.9432
La inteligencia artificial y el proceso de
enseñanza en estudiantes de Ciencias
Económicas
Artificial Intelligence and the Teaching Process for
Economics Students
Santiago Vinueza-Vinueza
Universidad César Vallejo, Piura, Perú
Doctorado en Educación
svinuezav@ucvvirtual.edu.pe
https://orcid.org/0009-0008-7159-6098
Alejandra Fonseca-Factos
Ministerio de educación, Quito, Ecuador
Unidad Educativa Uyumbicho
sonia.fonseca@educacion.gob.ec
https://orcid.org/0000-0002-2103-9698
(Recibido: 11/04/2025; Aceptado: 01/06/2025; Versión final recibida: 05/01/2026)
Cita del artículo: Vinueza-Vinueza, S. y Fonseca-Factos, A. (2026). La inteligencia artificial y
el proceso de enseñanza en estudiantes de Ciencias Económicas. Revista Cátedra, 9(1), 36-
53.
Resumen
La inteligencia artificial impulsa el conocimiento, brinda facilidad para cotejar diversas
perspectivas y brindar información conforme a las necesidades del estudiante. En el proceso
de enseñanza promueve varias estrategias, herramientas o metodologías que revolucionan
el campo educativo. En este sentido, en los entornos universitarios el docente es un guía y
moderador, a fin de construir un proceso pedagógico y cognitivo. De este modo, se parte de
una conciencia ética que no incurre en dependencia excesiva, desigualdad o desinformación.
Este estudio se basó en un enfoque cuantitativo, con diseño no experimental. La
investigación tuvo un corte transversal, recolectó datos en un solo momento, y un alcance
explicativo para responder a las causas de los fenómenos sociales sobre la educación
37
Licencia Creative Commons Atribución 4.0 Internacional (CC BY 4.0)
Revista Cátedra, 9(1), pp. 36-53, enero-junio 2026. e-ISSN: 2631-2875
https://doi.org/10.29166/catedra.v9i1.9432
superior y la Inteligencia Artificial (IA). La población se conformó por 243 estudiantes
universitarios matriculados en el segundo y tercer semestre de las carrereas de Estadística,
Economía y Finanzas de la Universidad Central del Ecuador. Para obtener un tamaño de
muestra de 149 estudiantes se utilizó un muestreo aleatorio simple (MAS) y un muestreo
estratificado proporcional para garantizar una representación equitativa según el nivel
académico (68 estudiantes de segundo semestre y 81 de tercer semestre). Los resultados
evidencian que, aunque los estudiantes presentan un nivel moderado de conciencia ética,
persisten vacíos en la comprensión integral de algunos constructos teóricos relacionados
con el uso ético de la IA. Esta situación pone de manifiesto la necesidad de incorporar,
dentro de los programas formativos, contenidos específicos orientados a fortalecer la ética
en la utilización de estas tecnologías.
Palabras clave
Inteligencia artificial, innovación educativa, ciencias económicas, conciencia ética,
rendimiento académico.
Abstract
Artificial intelligence drives knowledge, facilitates the comparison of diverse perspectives,
and provides information tailored to student needs. In the teaching process, it promotes
various strategies, tools, and methodologies that are revolutionizing the educational field.
In this sense, within university settings, the teacher acts as a guide and facilitator, shaping
a pedagogical and cognitive process. This approach is grounded in an ethical awareness that
avoids excessive dependence, inequality, or misinformation. This study employed a
quantitative approach with a non-experimental design. The research was cross-sectional,
collecting data at a single point in time, and had an explanatory scope aimed at addressing
the causes of social phenomena related to higher education and Artificial Intelligence (AI).
The population consisted of 243 university students enrolled in the second and third
semesters of the Statistics, Economics, and Finance programs at the Central University of
Ecuador. To obtain a sample size of 149 students, simple random sampling (SRS) and
proportional stratified sampling were used to ensure equitable representation according to
academic level (68 second-semester students and 81 third-semester students). The results
show that, although students demonstrate a moderate level of ethical awareness, gaps
remain in their comprehensive understanding of some theoretical constructs related to the
ethical use of AI. This situation highlights the need to incorporate specific content into
educational programs aimed at strengthening ethical considerations in the use of these
technologies.
Keywords
Artificial intelligence, educational innovation, economic sciences, ethical awareness,
academic performance.
1. Introducción
La acelerada evolución tecnológica de las últimas décadas ha transformado de manera
significativa los sistemas educativos, generando nuevos escenarios de enseñanza-
aprendizaje que demandan la incorporación de herramientas digitales innovadoras. En este
contexto, según Numa-Sanjuán et al., y Vera la IA se ha consolidado como una de las
tecnologías emergentes con mayor impacto en la educación del siglo XXI, debido a su
capacidad para procesar grandes volúmenes de información, personalizar el aprendizaje y
38
Licencia Creative Commons Atribución 4.0 Internacional (CC BY 4.0)
Revista Cátedra, 9(1), pp. 36-53, enero-junio 2026. e-ISSN:2631-2875
https://doi.org/10.29166/catedra.v9i1.9432
optimizar los procesos pedagógicos (Numa-Sanjuán et al., 2024; Vera, 2023). Su integración
en la educación superior no solo responde a una tendencia tecnológica, sino a la necesidad
de fortalecer la calidad educativa y de preparar a los estudiantes para enfrentar los desafíos
de un entorno académico y profesional cada vez más digitalizado.
Diversos estudios coinciden en que la IA ofrece oportunidades relevantes para innovar las
metodologías tradicionales de enseñanza, al permitir el diseño de entornos didácticos más
dinámicos, interactivos y centrados en el estudiante (Baltazar, 2023; Peñaherrera et al.,
2022). Estas herramientas facilitan la adaptación de los contenidos a los ritmos y estilos de
aprendizaje, promoviendo procesos formativos más significativos y efectivos. En particular,
Jardón et al., y Ludeña-Yaguana consideran que la educación superior ha evidenciado
avances importantes en el uso de asistentes virtuales, sistemas de recomendación y
plataformas inteligentes que contribuyen a mejorar el rendimiento académico y la
motivación estudiantil (Jardón et al., 2024; Ludeña-Yaguana et al., 2025).
En el ámbito de las Ciencias Económicas, la incorporación de la inteligencia artificial
adquiere una relevancia especial, dado que estas disciplinas requieren el análisis constante
de datos, la toma de decisiones fundamentadas y el desarrollo del pensamiento crítico.
Investigaciones recientes señalan que el uso estratégico de la IA en este campo favorece la
comprensión de contenidos complejos, el desarrollo de competencias analíticas y la mejora
del desempeño académico de los estudiantes (Espinales-Franco et al., 2024; Ribas y Provasi,
2024). Asimismo, Biggs establece que la IA posibilita la implementación de evaluaciones
más formativas y el seguimiento continuo del aprendizaje, alineándose con enfoques
pedagógicos centrados en el estudiante (Biggs, 1987).
No obstante, la integración de la IA en los procesos educativos también plantea desafíos
significativos, especialmente en lo relacionado con la formación docente, la ética y el uso
responsable de la tecnología. Vera y Piedra-Castro et al., indican que el rol del docente se
transforma, pasando de ser un transmisor de conocimientos a un mediador pedagógico
capaz de orientar el aprendizaje mediante el uso crítico y reflexivo de la IA (Vera, 2023;
Piedra-Castro et al., 2024). En este sentido, resulta indispensable que los educadores
desarrollen competencias digitales que les permitan aprovechar el potencial de estas
herramientas sin afectar el desarrollo del pensamiento crítico ni la autonomía intelectual
de los estudiantes (Vélez-Rivera et al., 2024). Desde una perspectiva ética, distintos autores
como Ruiz-Miranda o Velez-Rivera advierten que el uso indiscriminado de la inteligencia
artificial puede generar dependencia tecnológica, sesgos en la información y limitaciones en
el análisis crítico si no se establecen lineamientos claros para su aplicación en el ámbito
universitario (Ruiz-Miranda, 2023; Vélez-Rivera et al., 2024). Por ello, la IA debe concebirse
como un medio de apoyo al proceso educativo y no como un sustituto del juicio pedagógico,
manteniendo siempre el protagonismo del docente en la regulación del conocimiento y en
la formación integral del estudiante.
En este marco, la presente investigación tiene como objetivo analizar la relación entre la
inteligencia artificial y el proceso de enseñanza-aprendizaje en estudiantes de Ciencias
Económicas, considerando sus implicaciones tecnológicas, pedagógicas, cognitivas,
evaluativas y éticas. A partir de un enfoque integral, el estudio busca aportar evidencia
empírica que permita comprender el impacto real de la IA en la educación superior y
contribuir a la construcción de estrategias didácticas innovadoras que fortalezcan la calidad
del proceso formativo.
39
Licencia Creative Commons Atribución 4.0 Internacional (CC BY 4.0)
Revista Cátedra, 9(1), pp. 36-53, enero-junio 2026. e-ISSN: 2631-2875
https://doi.org/10.29166/catedra.v9i1.9432
En relación con la estructura del artículo, la sección 2 presenta la revisión de la literatura
científica sobre la inteligencia artificial y su incidencia en el proceso de enseñanza en
estudiantes de Ciencias Económicas. La sección 3 describe la metodología empleada para el
desarrollo de la investigación, especificando el enfoque, el diseño, la población, la muestra
y los instrumentos utilizados. En la sección 4 se exponen y analizan los resultados obtenidos
acerca del impacto de la inteligencia artificial en las dimensiones tecnológica, pedagógica,
cognitiva, evaluativa y ética del proceso educativo. Posteriormente, en la sección 5 se
desarrolla la discusión de los resultados, contrastándolos con estudios previos y aportes
teóricos relevantes. Finalmente, la sección 6 presenta las conclusiones, las cuales se derivan
de los hallazgos del estudio y permiten valorar de manera integral el aporte de la
inteligencia artificial en el proceso de enseñanza de las Ciencias Económicas.
2. Revisión de Literatura
2.1. La IA en entornos universitarios y su impacto en el proceso de enseñanza
La Inteligencia Artificial (IA) es un mecanismo revolucionario que marca una trascendencia
en los ámbitos sociales al ayudar de forma específica. En la educación se reconstruyen los
paradigmas pedagógicos a fin de lograr un aprendizaje significativo. De este modo, “la IA se
define como una rama de la Informática que se enfoca en el desarrollo de agentes
inteligentes capaces de razonar, aprender y tomar decisiones de manera autónoma”
(Jardón et al., 2024, p. 5). Por tanto, la IA constituye un proceso que enfoca grandes
cantidades de información que permiten la resolución de problemas. La utilidad práctica se
centra en la didáctica de la enseñanza como un mecanismo que transforma las metodologías
y propone herramientas eficientes que fortalezcan las competencias.
Al mismo tiempo, la IA en los entornos universitarios propone una construcción del
pensamiento que fortifica los conocimientos de los estudiantes. Permite un aprendizaje
automático, análisis de datos y un procesamiento de información rápido que retroalimenta
el aprendizaje. En este sentido, “la capacidad de la IA para personalizar el aprendizaje,
adaptando el contenido educativo a las necesidades individuales de los estudiantes,
promete incrementar significativamente el rendimiento académico y la motivación
estudiantil” (Piedra-Castro et al., 2024, p. 123). Por ende, la implementación de esta
tecnología en entornos universitarios potencia los conocimientos, agiliza el procesamiento
de datos a través de explicaciones didácticas e innovadoras. No obstante, depende de las
condiciones o la infraestructura de estos espacios para partir de un foco pedagógico que
alcance los objetivos docentes.
Del mismo modo, el valor sustancial de la IA en la educación universitaria refiere a que
identifican el déficit de conocimiento, con el objetivo de mejorar el rendimiento académico.
A su vez, “la IA puede adaptar el proceso de enseñanza-aprendizaje a las necesidades y
preferencias individuales de cada estudiante, ofreciendo recursos y actividades de
aprendizaje adaptados a su nivel de conocimientos, estilo de aprendizaje y ritmo de
progreso” (Vera, 2023, p. 20). Por ende, los estudiantes parten de una metodología
innovadora que cubren sus necesidades y estilos de aprendizaje, la IA propone actividades
centradas en el estudiante promoviendo un aprendizaje autónomo. Lo cual contribuye en la
enseñanza y disminuye la carga docente, el cual redirecciona su tiempo en la planificación
de clases didácticas.
La IA no solo impacta positivamente en el aprendizaje de los estudiantes, sino que permite
beneficiar la labor docente en la parte de trabajos administrativos. Los pedagogos
consideran que esta herramienta funciona como un medio que contribuye en la utilidad
40
Licencia Creative Commons Atribución 4.0 Internacional (CC BY 4.0)
Revista Cátedra, 9(1), pp. 36-53, enero-junio 2026. e-ISSN:2631-2875
https://doi.org/10.29166/catedra.v9i1.9432
didáctica y pedagógica. Por ello, “los docentes destacan que la IA reduce la carga de
trabajo en actividades como la corrección de exámenes y la gestión de asistencia,
permitiéndoles enfocarse más en la enseñanza” (Ludeña-Yaguana et al., 2025, p. 232). Por
consiguiente, los docentes toman una posición estratégica, al convertirse en diseñadores del
aprendizaje con tecnología que garantice la adquisición de conocimientos. Esta herramienta
de cocreación educativa aporta al diseño de actividades en la enseñanza, alinea los objetivos
pedagógicos y permite enseñar con un propósito educativo.
Así, el impacto de la IA en el proceso de enseñanza parte de una transformación innovadora
que brinda espacios dinámicos, flexibles y personalizados para los estudiantes. Mientras
tanto, “las primordiales ventajas de llevar a cabo la IA en la enseñanza es la construcción de
algoritmos que califiquen dichos formularios, dejándole más tiempo a los maestros para
averiguar, producir novedosas metodologías de educación y atender individualmente a sus
estudiantes” (Peñaherrera et al., 2022, p. 407). La herramienta adapta contenidos,
actividades y evaluaciones que se ajustan a la enseñanza docente para lograr un nivel de
comprensión de cada estudiante. Lo cual permite al docente generar materiales didácticos,
analizar el progreso de cada estudiante, consolidar un aprendizaje individualizado,
desarrollar el razonamiento lógico y la motivación.
2.2. Herramientas de la IA utilizadas para el proceso de enseñanza de las
Ciencias Económica: proceso pedagógico y cognitivo
El cambio revolucionario en el uso de las Tecnologías de la Información y Comunicación
(TIC) dentro de los entornos universitarios precede una reestructuración del proceso
pedagógico, puesto que ofrece la resolución de desafíos educativos dentro del aula. La
inteligencia artificial busca ayudar en las facultades humanas del docente, a fin de brindar
una enseñanza donde se construya el pensamiento y garantice la adquisición de
conocimientos. De este modo, la IA “es una ciencia que ayuda a diagnosticar de manera
precisa, individual a cada estudiante para trazar unas series de actividades que lo
llevará al mejoramiento de sus principales falencias” (Numa-Sanjúan et al., 2024, p. 51).
Por esta razón, en el desarrollo formativo del estudiante se construye un ambiente fortuito,
en el cual se integran habilidades, conocimientos y valores que ayudan en la praxis de las
Ciencias Económicas.
La IA permite abordar un conjunto de información asociada a metodologías o estrategias
innovadoras que ayudan a la comprensión de contenidos. De forma semejante, las
herramientas que se utilizan en el proceso de enseñanza reemplazan los paradigmas
tradicionales al implementar entornos interactivos que proponen un aprendizaje
significativo. La integración de la IA en las Ciencias Económicas brinda la facilidad de
comprender temas como: procesamiento de datos, finanzas, estadística, cálculos, entre
otros. Por tanto, los tutores inteligentes presentan la habilidad para recopilar datos,
investigar tendencias o valorar aspectos económicos para fortalecer los conocimientos de
los estudiantes.
En ese sentido, en el ámbito pedagógico surge la personalización de la enseñanza, al ser un
mecanismo que identifica las necesidades y las reconstruye para dar soluciones al
aprendizaje. En particular, “los chatbots son capaces de brindar una experiencia de
aprendizaje personalizada y flexible, lo cual podría producir un aumento en el rendimiento
académico y la satisfacción de los educandos” (Ruiz-Miranda, 2023, p. 158). En
consecuencia, esta herramienta actúa como un asistente virtual el cual ofrece respuestas
coherentes, con el objetivo de guiar procesos de aprendizaje específicos. La enseñanza se
41
Licencia Creative Commons Atribución 4.0 Internacional (CC BY 4.0)
Revista Cátedra, 9(1), pp. 36-53, enero-junio 2026. e-ISSN: 2631-2875
https://doi.org/10.29166/catedra.v9i1.9432
encuentra centrada en el estudiante como el eje central del conocimiento apropiándolo de
forma auténtica en su formación profesional.
De manera análoga, la herramienta más utilizada por los estudiantes es ChatGPT, al
convertirse en un medio para buscar información u organizar datos estadísticos. En el
proceso pedagógico permite el trabajo autónomo, análisis de tablas estadísticas,
simulaciones o casos prácticos de finanzas, administración o negocios. Razón por la cual, “la
aplicación de ChatGPT no se limita al aprendizaje autónomo, sino que también puede ser
utilizada en el aula para fomentar la participación del alumnado y mejorar la interacción
entre pares, así como la interacción con el docente” (Ruiz-Miranda, 2023, p. 158). La
intencionalidad de esta herramienta en la educación permite una enseñanza estratégica,
interactiva y auxiliar docente, identificar contenidos poco comprensibles y hacerlos
didácticos para el anclaje de conocimientos.
El uso de la IA en el proceso cognitivo permite el aprendizaje autónomo para organizar el
pensamiento, promueve el razonamiento y diseña situaciones de aprendizaje. Se trata de
procesar información mediante la evaluación de contenidos, concentración y el
entendimiento del conocimiento. A su vez, “los sistemas de inteligencia artificial tienen el
potencial de incrementar las habilidades cognitivas de los alumnos, estimulando la
generación de perspectivas alternativas” (Palma-Landirez et al., 2024, p. 4023). En este
sentido, el paradigma cognitivo concatenado con la IA comprende el procesamiento de
información del estudiante. De modo que, se reconoce su proceso de aprendizaje y se
fusiona con estrategias que deben emplearse para adquirir conocimientos de forma
significativa.
Asimismo, dentro del proceso cognitivo como una herramienta ventajosa resaltan los
sistemas de tutoría inteligente (ITS). De tal forma, “un tutor inteligente desempeña el papel
de un tutor personalizado para cada estudiante, lo que significa que puede identificar sus
necesidades individuales y los procesos metacognitivos requeridos en su aprendizaje”
(Baltazar, 2023, p. 8). Por lo cual, los tutores inteligentes ofrecen un seguimiento continuo
y evolutivo conforme a las necesidades del educando, la resolución guiada de problemas o
una retroalimentación inmediata. Además, fortalece la atención, memoria, desarrollo
razonamientos lógico-matemáticos, entre otros que consolidan las competencias analíticas.
Acto seguido, los Sistemas de Gestión de Aprendizaje (LMS) brindan un desarrollo de
habilidades cognitivas y metacognitivas, a través de cursos interactivos, personalizados
según las necesidades del estudiante. Estas plataformas analizan el estilo de aprendizaje y
estructuran rutas, recursos, evaluaciones y tareas que incentivan la atención, memoria o
comprensión. Así pues, “los LMS potenciados por IA ofrecen herramientas de
seguimiento del progreso académico, permitiendo tanto a estudiantes como a profesores
monitorear el avance en tiempo real y ajustar el proceso educativo según sea necesario”
(Rosero y Guevara, 2025, p. 6137). De modo que, estos sistemas configuran el desarrollo del
pensamiento crítico, participación activa, monitorean el rendimiento y estimulan los
procesos cognitivos (reflexión, análisis, razonamiento).
En consonancia con las Ciencias Económicas, los LMS fortalecen la autonomía del educando.
Por ello, se autorregula su aprendizaje mediante la realización de actividades como: foros,
evaluaciones, tareas relacionadas con la contabilidad, economía y administración a fin de
construir su pensamiento en el estudio de datos. El incremento del pensamiento lógico, el
análisis cuantitativo y la toma de decisiones a partir de estas plataformas catalizan la
enseñanza-aprendizaje. En síntesis, el sistema cubre las necesidades educativas, por un lado
42
Licencia Creative Commons Atribución 4.0 Internacional (CC BY 4.0)
Revista Cátedra, 9(1), pp. 36-53, enero-junio 2026. e-ISSN:2631-2875
https://doi.org/10.29166/catedra.v9i1.9432
los docentes establecen actividades como guías del conocimiento; por otro lado los
educandos buscan alternativas para promover el razonamiento lógico y metódico.
2.3. Conciencia ética en el uso de la IA
La utilidad tecnológica constituye una responsabilidad de conciencia y criticidad para
utilizarla como un medio que permita potenciar las habilidades. La conciencia ética en el
uso de la IA toma en cuenta riesgos como: dependencia, proyección de datos, sesgos,
equidad y transparencia en la construcción de conocimiento. Desde luego “la ética en la IA
educativa es fundamental para proteger la privacidad, evitar sesgos y garantizar la equidad
en el acceso y uso de estas tecnologías” (Lima et al., 2025, p. 6). Por consiguiente, el uso de
la IA en los ámbitos educativos analiza los beneficios y riesgos asociados al uso
indiscriminado de esta herramienta respecto al desarrollo del pensamiento analítico.
Asimismo, la aplicación ética integra una reflexión moral al tomar decisiones con valores
responsables, honestos y auténticos que funcionen de apoyo al saber.
La combinación de la IA con la educación superior supone retos específicos que parten de
la infraestructura y el uso ético de la misma. Al integrar esta herramienta en entornos
académicos es esencial capacitar a pedagogos y educandos, con el objetivo de evitar
desventajas como la dependencia excesiva. En efecto, “es necesario establecer políticas
claras y normativas éticas que guíen el desarrollo, la implementación y el uso de la IA en
la educación, con el objetivo de garantizar que se promueva la equidad, la inclusión y el
bienestar de todos los estudiantes” (Espinales-Franco et al., 2024, p. 4734). Por esta razón,
las capacitaciones integrales y holísticas permiten el funcionamiento adecuado en la
educación, a fin de implementar la IA como un medio que fortalezca competencias básicas
y transversales.
En ese sentido, la IA en entornos universitarios depende de la regulación docente y la
autonomía que tienen los estudiantes para comprender el funcionamiento adecuado de la
misma. La conciencia ética responde a la necesidad de establecer valores o principios para
la toma de decisiones. Algunos de los problemas éticos presentes son “la ampliación de la
marginación, la desigualdad, inequidad, injusticia y discriminación existente en la
sociedad, por medio del análisis y generación de datos sesgados, poco transparentes o
inexplicables (Vélez-Rivera et al., 2024, p. 4). Es decir, emplear la IA como un apoyo al
aprendizaje, la cual evite ser un reemplazante del conocimiento. El docente como principal
guía, contribuye a establecer límites que permitan la transparencia, responsabilidad y
criticidad manteniendo el foco pedagógico de la enseñanza.
La información brindada por la IA genera un conglomerado de perspectivas que pueden
incrementar la desinformación en casos académicos. El uso indiscriminado de esta
herramienta limita el desarrollo reflexivo y analítico de los educandos, a fin de llevarlo a la
comodidad o conformismo en la realización de tareas. “En muchos casos, los estudiantes
pueden usar estas herramientas para generar contenido que no es original, lo que plantea
serias dudas sobre el valor del aprendizaje y la autoría en el ámbito académico” (Ribas y
Provasi, 2024, p. 5). Por ende, no existe un desarrollo de políticas que garanticen el uso
adecuado de la IA; no obstante, la labor del docente permite concientizar y sensibilizar sobre
la proyección que tienen estas herramientas en el uso académico. En definitiva, la constante
capacitación no solo permite el desarrollo de metodologías didácticas en la enseñanza, sino
también ofrece una realidad consciente de los conflictos que acarrean en el proceso de
enseñanza.
43
Licencia Creative Commons Atribución 4.0 Internacional (CC BY 4.0)
Revista Cátedra, 9(1), pp. 36-53, enero-junio 2026. e-ISSN: 2631-2875
https://doi.org/10.29166/catedra.v9i1.9432
3. Métodos y materiales
La presente investigación se desarrolló bajo un enfoque cuantitativo, el cual permitió medir
y analizar de manera objetiva la relación entre el uso de la inteligencia artificial y los
enfoques de aprendizaje adoptados por los estudiantes de educación superior. Se empleó
un diseño no experimental, dado que las variables de estudio no fueron manipuladas
deliberadamente, sino observadas tal como se presentan en su contexto natural, lo que
resulta pertinente para el análisis de fenómenos educativos asociados a prácticas
pedagógicas mediadas por tecnologías emergentes.
El estudio tuvo un corte transversal, la recolección de datos se realizó en un único momento
temporal, lo cual permitió obtener una fotografía del estado actual de los procesos de
aprendizaje de los estudiantes en relación con el contexto de integración de la inteligencia
artificial en la educación superior. Asimismo, el alcance de la investigación fue explicativo,
orientado a identificar y analizar las posibles causas y relaciones entre los enfoques de
aprendizaje y las dinámicas educativas influenciadas por el uso de herramientas de IA en el
ámbito universitario. Para la recolección de datos se utilizó el Cuestionario de Procesos de
Estudio (CPE), instrumento ampliamente validado en investigaciones educativas, el cual
consta de 42 ítems organizados en torno a tres enfoques de aprendizaje: superficial,
profundo y de alto rendimiento o de logro. Cada uno de estos enfoques evalúa tanto los
motivos como las estrategias que emplean los estudiantes durante su proceso de
aprendizaje, mediante una escala tipo Likert. El cuestionario se fundamenta en la teoría de
los enfoques de aprendizaje propuesta por Biggs (1987), la cual plantea que el aprendizaje
universitario se explica a partir de la interacción entre las motivaciones del estudiante y las
estrategias cognitivas que este utiliza para afrontar las tareas académicas. En el contexto de
esta investigación, el CPE permitió analizar cómo dichos enfoques se manifiestan en un
entorno educativo influenciado por el uso de la inteligencia artificial.
La población de estudio estuvo conformada por 243 estudiantes universitarios
matriculados en el segundo y tercer semestre de las carreras de Estadística, Economía y
Finanzas de la Universidad Central del Ecuador. La selección de estudiantes de estos niveles
académicos respondió a dos criterios principales: en primer lugar, se trata de una etapa
formativa clave en la consolidación de hábitos y enfoques de aprendizaje; y, en segundo
lugar, la cercanía curricular entre los semestres permitió reducir la variabilidad académica
y garantizar una mayor homogeneidad en la muestra. Para la determinación del tamaño de
la muestra se aplicó un muestreo aleatorio simple, complementado con un muestreo
estratificado proporcional, con el objetivo de asegurar una representación equitativa de los
estudiantes según el semestre cursado. Como resultado, se obtuvo una muestra de 149
estudiantes, distribuidos en 68 estudiantes de segundo semestre y 81 estudiantes de tercer
semestre, lo que permitió un análisis comparativo equilibrado entre ambos grupos.
La recolección de la información se realizó a través de la plataforma Google Forms,
herramienta que facilitó la aplicación del cuestionario de manera eficiente y garantizó el
anonimato y la confidencialidad de las respuestas. Posteriormente, los datos obtenidos
fueron procesados y analizados mediante el software estadístico IBM SPSS Statistics versión
29.0, empleando criterios rigurosos de análisis estadístico y validación de hipótesis, con un
nivel de significancia del 5% (α = 0.05).
Para el análisis estadístico se utilizaron técnicas descriptivas, tales como frecuencias,
medias y desviaciones estándar, que permitieron caracterizar los enfoques de aprendizaje
de los estudiantes. Asimismo, se aplicaron pruebas inferenciales con el propósito de
identificar relaciones y diferencias significativas entre las variables de estudio, entre ellas
44
Licencia Creative Commons Atribución 4.0 Internacional (CC BY 4.0)
Revista Cátedra, 9(1), pp. 36-53, enero-junio 2026. e-ISSN:2631-2875
https://doi.org/10.29166/catedra.v9i1.9432
la prueba T de Student, el coeficiente de correlación de Pearson y pruebas no paramétricas,
como Tau-b de Kendall y Spearman, seleccionadas en función de la distribución de los datos.
Estas técnicas posibilitaron una comprensión más profunda del impacto del contexto
educativo mediado por la inteligencia artificial en los procesos de enseñanza-aprendizaje
en la educación superior.
4. Análisis y Resultados
A través del análisis de los cuadros y gráficos que se muestran a continuación, se observará
el comportamiento de la unidad de estudio con el propósito de tener a una mejor
comprensión de las características señaladas en la investigación. En el Cuadro 1 se muestra
que la mayor parte de estudiantes encuestados provienen de la carrera de Finanzas
(59.7%), seguido por la carrera de Estadística (24.2%) y la carrera de Economía (16.1%).
Esta distribución fue relevante porque la aplicación y percepción de la IA pueden variar
ligeramente entre estas disciplinas de Ciencias Económicas. Además, la distribución de la
muestra de esta unidad académica está enmarcada en el área vinculada a las ciencias
sociales con el 75.8%, mientras que el área estadística aplicada se observa con el 24.2% de
la muestra.
Carrera
Frecuencia
Porcentaje
Porcentaje acumulado
Economía
24
16.1 %
16.1 %
Finanzas
89
59.7 %
75.8 %
Estadística
36
24.2 %
100.0 %
Total
149
100.0 %
Cuadro 1. Distribución de los estudiantes según la carrera de estudio
De acuerdo con el Cuadro 2 se muestra una distribución equitativa entre el estudiantado de
segundo y tercer semestre con un porcentaje de 45.6% y 54.4% respectivamente. Esta
distribución en el nivel académico fue intencionada, permitió controlar la variabilidad en la
experiencia universitaria y la familiaridad con los contenidos de las Ciencias Económicas. Al
concentrar la muestra en estos semestres intermedios, se aseguró que los participantes
hayan tenido una base de conocimientos similar, lo que es crucial para evaluar de manera
más precisa la influencia de la IA en su proceso de aprendizaje, evitando que las diferencias
en el nivel de avance curricular sea un factor distorsionador.
Semestre
Frecuencia
Porcentaje
Porcentaje acumulado
Segundo semestre
68
45.6 %
45.6 %
Tercer semestre
81
54.4 %
100.0 %
Total
149
100.0 %
Cuadro 2. Distribución de los estudiantes según semestre
En el Cuadro 3 se observa la distribución por género de forma equitativa, con un 51.0% de
mujeres y un 49.0% de hombres en la muestra total. Esta distribución permitió asegurar
que los resultados del estudio no estén sesgados en cuanto al género, permitiendo inferir
que el impacto de la IA en el proceso de aprendizaje es evaluado desde una perspectiva
balanceada. Además, con esta distribución se aseguró una validez externa de los hallazgos,
45
Licencia Creative Commons Atribución 4.0 Internacional (CC BY 4.0)
Revista Cátedra, 9(1), pp. 36-53, enero-junio 2026. e-ISSN: 2631-2875
https://doi.org/10.29166/catedra.v9i1.9432
ya que la muestra refleja la diversidad de género, fortaleciendo la generalización de las
conclusiones.
Semestre
Frecuencia
Hombres
Mujeres
Porcentaje
Segundo
semestre
68
33
35
51.0 %
Tercer semestre
81
40
41
49.0 %
Total
149
100.0 %
Cuadro 3. Distribución de los estudiantes según sexo
El análisis del Cuadro 4 revela que la mayoría de los estudiantes encuestados se encuentran
en el rango etario de 18 a 21 años con un porcentaje de 73.2%. Esta concentración en edades
tempranas de la vida universitaria es coherente con la población de segundo y tercer
semestre, de modo que se contó con una muestra compuesta principalmente por
estudiantes que están en una etapa formativa activa y que han crecido en un entorno cada
vez más digitalizado.
Rango de edad
Frecuencia
Porcentaje
Porcentaje acumulado
Entre 18 y 19 años
35
23.5%
23.5%
Entre 20 y 21 años
74
49.7%
73.2%
Entre 22 y 23 años
26
17.4%
90.6%
Entre 24 y 25 años
7
4.7%
95.3%
Mayor de 25 años
7
4.7%
100.0%
Total
149
100.0%
Cuadro 4. Distribución de los estudiantes según rango de edad
Para evaluar cómo la inteligencia artificial impacta en la dimensión evaluación en los
estudiantes de Ciencias Económicas, enfatizando particularmente en la conciencia ética
respecto al uso de estas tecnologías en el ámbito educativo se plantean las siguientes
hipótesis a analizar:
Hipótesis alternativa (Hi): La inteligencia artificial influye positivamente en la
dimensión evaluación, promoviendo una mayor conciencia ética y responsabilidad
en su uso por parte de los estudiantes.
Hipótesis nula (H0): La inteligencia artificial tiene un escaso impacto en la
conciencia ética.
El análisis descriptivo sobre el nivel de conciencia ética reveló que el 41.6% del
estudiantado se sitúan en las categorías bajas (1 y 2), mientras que el 58.4% llega a las
categorías medias y altas (niveles 3 a 5), como se muestra en la Figura 1.
46
Licencia Creative Commons Atribución 4.0 Internacional (CC BY 4.0)
Revista Cátedra, 9(1), pp. 36-53, enero-junio 2026. e-ISSN:2631-2875
https://doi.org/10.29166/catedra.v9i1.9432
Figura 1. Nivel de conciencia ética sobre el uso de la IA, distribución po niveles y sexo (n=149)
Los resultados de la prueba t para muestras independientes (Cuadro 5) indicaron que no
existen diferencias estadísticamente significativas en la conciencia ética ni en la dimensión
evaluación de la IA entre los diferentes grupos demográficos analizados (todos los valores
p bilaterales fueron mayores a .05, para CPE_P1 p=.207, para Edad p=.234). Esto sugiere
que, aunque la mayoría de los estudiantes tienen una conciencia ética moderada, aún
persisten lagunas importantes en su comprensión profunda de los aspectos éticos, y el
impacto de la IA en la evaluación es uniforme entre grupos.
Variable
F de
Levene
p de
Levene
T
Gl
p (bilateral)
Diferencia de
medias
Error
estándar
CPE_P1
0.863
.355
1.268
147
.207
0.231
0.183
Edad
1.285
.259
1.194
147
.234
0.195
0.163
Semestre
0.042
.837
0.103
147
.918
0.008
0.082
TICS_P1
1,791
.183
-0.665
147
.507
-0.025
0.037
Desempeño
2.029
.156
-0.298
147
.766
-0.039
0.130
Motivación
0.780
.379
0.390
147
.697
0.042
0.107
Cuadro 5. Prueba t para muestras independientes sobre la influencia de la inteligencia artificial en la
conciencia ética y la dimensión evaluación
Nota.- Prueba de Levene no mostró diferencias significativas (p > .05) en ningún caso. IC =
intervalo de confianza; gl = grados de libertad.
Los hallazgos generales apoyan la hipótesis general (Hi) de que la IA tiene un impacto
positivo en el proceso de enseñanza-aprendizaje del estudiantado de Ciencias Económicas,
con valores p<0.001 en las variables principales. Para las hipótesis específicas:
Tecnológico: Se confirma que la IA ejerce un efecto significativo en el uso de
herramientas tecnológicas por los estudiantes, aunque el impacto se basa en su
aplicación pedagógica más que en el acceso directo.
Pedagógico: La IA potencia considerablemente el aspecto educativo, incrementando
la motivación y optimizando el proceso de enseñanza percibido.
47
Licencia Creative Commons Atribución 4.0 Internacional (CC BY 4.0)
Revista Cátedra, 9(1), pp. 36-53, enero-junio 2026. e-ISSN: 2631-2875
https://doi.org/10.29166/catedra.v9i1.9432
Cognitivo: La IA tiene un impacto indirecto en la dimensión cognitiva, fomentando
la motivación que repercute en el desempeño escolar.
Evaluación: La IA fomenta una valoración más individualizada y continua, pese a
que su impacto es justo y no cambia de acuerdo al grupo demográfico.
Conciencia Ética: La IA promueve un nivel moderado de conciencia ética, aunque
todavía existen diferencias significativas en su entendimiento crítico.
Los resultados evidencian que, aunque los estudiantes presentan un nivel moderado de
conciencia ética, persisten vacíos en la comprensión integral de algunos constructos
teóricos relacionados con el uso ético de la IA. Esta situación pone de manifiesto la
necesidad de incorporar, dentro de los programas formativos, contenidos específicos
orientados a fortalecer la ética en la utilización de estas tecnologías.
Asimismo, los hallazgos del estudio confirman la hipótesis general (Hi), la cual sostiene que
la IA tiene un impacto positivo en el proceso de enseñanza-aprendizaje de los estudiantes
de Ciencias Económicas de la Universidad Central del Ecuador en el año 2024. Esta
afirmación se sustenta en valores p altamente significativos (p < 0.001), lo que demuestra
que los promedios obtenidos en las variables principales superan de manera contundente
el valor de referencia. En consecuencia, se rechaza la hipótesis nula (H0), reafirmando que
el impacto de la IA no responde a un efecto aleatorio, sino que es real y favorable.
En relación con las hipótesis específicas, se obtuvieron evidencias sólidas que permitieron
su confirmación. En el ámbito tecnológico, se constató que la IA es aplicada y comprendida
por los estudiantes, lo que respalda la aceptación de la hipótesis alternativa
correspondiente. En el aspecto educativo, los resultados indican que la IA influye
significativamente en la motivación estudiantil, promoviendo una participación activa
dentro del proceso de enseñanza-aprendizaje. Desde la dimensión cognitiva, se determinó
que la IA favorece el desarrollo de un aprendizaje significativo y estimula el pensamiento
crítico, aspectos fundamentales para el fortalecimiento de habilidades y destrezas
académicas. En cuanto al proceso de evaluación, los resultados muestran que la IA facilita
la valoración de tareas y la generación inmediata de informes sobre errores, lo que posibilita
una retroalimentación sistemática y continua del aprendizaje.
Finalmente, es importante destacar que no se identificaron diferencias significativas en
función del género, la edad o el semestre de los estudiantes. Este hallazgo sugiere que la
influencia de la IA es uniforme y equitativa, independientemente de las características
demográficas o la ubicación geográfica de los participantes
5. Discusión
Los resultados obtenidos en la presente investigación evidencian que el nivel de conciencia
ética en el uso de la inteligencia artificial se sitúa en un rango medio, lo cual constituye un
hallazgo relevante al triangular los datos empíricos con los aportes teóricos existentes. Esta
condición sugiere que, si bien los estudiantes reconocen la importancia de un uso
responsable de la IA, aún persisten vacíos formativos que limitan una apropiación ética
sólida y crítica. Dicho resultado coincide con lo señalado por Gómez-Cárdenas, et al., quienes
advierten sobre la urgencia de incorporar la ética digital como un eje transversal en el
proceso de enseñanza-aprendizaje universitario (2024). En esta misma línea, Espinosa-
Vallejo, et al., enfatizan que la transformación educativa no debe centrarse exclusivamente
48
Licencia Creative Commons Atribución 4.0 Internacional (CC BY 4.0)
Revista Cátedra, 9(1), pp. 36-53, enero-junio 2026. e-ISSN:2631-2875
https://doi.org/10.29166/catedra.v9i1.9432
en la adopción tecnológica, sino en una formación académica integral y holística, capaz de
desarrollar conciencia ética y pensamiento crítico en los estudiantes (2025).
Al correlacionar estos hallazgos con los niveles de competencia en inteligencia artificial, los
resultados muestran que una mayor familiaridad y uso académico de la IA se asocian con
una mayor valoración ética y responsabilidad en su aplicación, lo cual refuerza los
planteamientos de Morocho-Pintag, et al., (2025). Estos autores sostienen que la IA no debe
concebirse únicamente como un recurso instrumental, sino como una herramienta con
potencial transformador de los procesos de aprendizaje, siempre que su integración esté
acompañada de criterios pedagógicos y éticos claramente definidos.
Desde la perspectiva de las Ciencias Económicas, la inteligencia artificial ha demostrado ser
una herramienta clave para la automatización de procesos, el análisis de grandes volúmenes
de datos y la toma de decisiones predictivas. No obstante, los resultados de este estudio
revelan que su impacto formativo requiere la incorporación explícita de competencias como
programación, análisis predictivo, pensamiento computacional y ética algorítmica. Este
hallazgo se encuentra en concordancia con lo expuesto por González-Alarcón y Melguizo
(2023), quienes señalan que la formación de los profesionales del futuro debe responder a
las nuevas demandas del mercado laboral sin descuidar la dimensión ética. Asimismo, esta
necesidad se alinea con los planteamientos de Lamas-Lara, et al., quienes sostienen que el
pensamiento crítico y reflexivo debe constituir un pilar fundamental de la educación
universitaria (2025).
Al triangular los resultados con estudios previos, se identifica que la inclusión de la
inteligencia artificial en el proceso educativo enfrenta obstáculos estructurales, tales como
limitaciones institucionales, insuficiente formación docente y escasa adaptación curricular.
Estos hallazgos confirman lo advertido por Rochina, et al., quienes destacan que el éxito de
la integración de tecnologías emergentes no depende únicamente del avance tecnológico,
sino de la capacitación docente y la coherencia curricular (2024). A pesar de ello, los
resultados del estudio evidencian que la IA posee un alto potencial para incrementar la
motivación y optimizar el desempeño académico, lo cual concuerda con los aportes
Sánchez-Salazar, et al., (2024).
En este contexto, Ponce-Tituaña et al., subrayan la necesidad de fortalecer la educación
digital desde una perspectiva integral, incorporando no solo habilidades técnicas, sino
también fundamentos éticos y comprensión de su funcionamiento de (2025). Esta visión se
triangula con los resultados obtenidos en el estudio y con las propuestas de Menacho-
Ángeles et al., quienes resaltan la importancia de formar usuarios críticos, responsables y
conscientes en el uso de tecnologías basadas en inteligencia artificial (2024). Por otra parte,
aunque el estudio no identificó diferencias estadísticamente significativas en la percepción
y uso de la IA según el género o el semestre académico, este resultado no debe interpretarse
como evidencia de un acceso equitativo a la tecnología. Tal como señalan Rodríguez-
Martínez, et al., las brechas digitales responden a condicionantes sociales, culturales y
estructurales (2025), que no siempre se reflejan de manera directa en las variables
analizadas. En este sentido, Armijos et al., destacan que la IA tiene el potencial de
personalizar los contenidos según el ritmo y estilo de aprendizaje del estudiante (2025); sin
embargo, los resultados del presente estudio evidencian que dicha personalización aún no
se alcanza plenamente, debido a una integración pedagógica insuficiente y a la limitada
formación docente.
49
Licencia Creative Commons Atribución 4.0 Internacional (CC BY 4.0)
Revista Cátedra, 9(1), pp. 36-53, enero-junio 2026. e-ISSN: 2631-2875
https://doi.org/10.29166/catedra.v9i1.9432
Finalmente, al correlacionar los resultados empíricos con los modelos de adopción
tecnológica, se observa que la percepción de utilidad y facilidad de uso continúa siendo un
factor determinante para la aceptación de la IA en entornos educativos, tal como lo
sostienen Pita-Briones, et al., enfatizan que la efectividad de la inteligencia artificial en la
educación no depende únicamente de la tecnología, sino del entorno institucional, las
políticas educativas y la capacitación docente (2025), elementos que se reflejan de manera
consistente en los hallazgos del estudio. En síntesis, la triangulación de los resultados
permite concluir que la inteligencia artificial constituye un recurso estratégico para
fortalecer el proceso de enseñanza en estudiantes de Ciencias Económicas, siempre que su
integración se realice de forma planificada, ética y pedagógicamente fundamentada. Las
herramientas basadas en IA no solo potencian competencias tecnológicas clave para la
formación profesional, sino que también contribuyen positivamente al desempeño
académico y al desarrollo de una conciencia ética responsable en el uso de tecnologías
emergentes.
6. Conclusiones
La triangulación de los resultados empíricos, el análisis estadístico y la literatura científica
permite concluir que la inteligencia artificial influye de manera positiva y significativa en el
proceso de enseñanza de los estudiantes de Ciencias Económicas. El estudio evidenció una
relación directa entre el nivel de competencia en inteligencia artificial y variables asociadas
al desempeño académico, la motivación y la participación estudiantil, lo que confirma que
la IA, cuando es utilizada con fines pedagógicos, contribuye a dinamizar las prácticas
educativas tradicionales y a mejorar la comprensión de contenidos complejos propios de
estas disciplinas.
Desde una perspectiva formativa, los resultados muestran que la integración de la
inteligencia artificial favorece el aprendizaje autónomo y personalizado, permitiendo
adaptar contenidos, actividades y procesos evaluativos a los ritmos y estilos de aprendizaje
de los estudiantes. Esta personalización se correlaciona con el fortalecimiento de
habilidades cognitivas clave en las Ciencias Económicas, tales como el análisis de datos, el
razonamiento lógico y la toma de decisiones fundamentadas. La triangulación con estudios
previos confirma que estos beneficios se potencian cuando la IA se integra de manera
planificada y alineada con los objetivos curriculares.
En relación con la dimensión ética, los resultados estadísticos evidenciaron una correlación
positiva y significativa entre el nivel de competencia en inteligencia artificial y la conciencia
ética en su uso, lo que permitió aceptar la hipótesis alternativa planteada. No obstante, el
nivel medio alcanzado en la conciencia ética indica que este aspecto aún no se consolida
plenamente en la formación universitaria. Al contrastar estos hallazgos con la literatura, se
reafirma la necesidad de incorporar la ética digital como eje transversal del proceso
educativo, evitando prácticas de uso acrítico o dependiente de la tecnología.
Asimismo, la correlación entre el uso de la inteligencia artificial y la percepción de utilidad
pedagógica confirma que la mediación docente es un factor determinante para su
efectividad. La triangulación de los resultados evidencia que la IA no sustituye el rol del
docente, sino que lo redefine, asignándole una función estratégica como guía y regulador
del aprendizaje. En este sentido, la capacitación docente y la planificación didáctica emergen
como condiciones esenciales para que la IA contribuya al desarrollo del pensamiento crítico
y a la construcción activa del conocimiento.
50
Licencia Creative Commons Atribución 4.0 Internacional (CC BY 4.0)
Revista Cátedra, 9(1), pp. 36-53, enero-junio 2026. e-ISSN:2631-2875
https://doi.org/10.29166/catedra.v9i1.9432
Finalmente, a partir del análisis correlacional y la discusión teórica, se concluye que, aunque
no se identificaron diferencias significativas en el uso y percepción de la IA según variables
sociodemográficas, persisten limitaciones estructurales e institucionales que condicionan
su integración efectiva. La triangulación de los hallazgos permite afirmar que el impacto
positivo de la inteligencia artificial en la educación superior depende no solo de su
disponibilidad tecnológica, sino de un ecosistema educativo que articule currículo, ética,
formación docente y políticas institucionales. En consecuencia, la inteligencia artificial se
consolida como un recurso estratégico para la educación superior en Ciencias Económicas,
siempre que su implementación se realice de manera crítica, ética y pedagógicamente
fundamentada.
Referencias bibliográficas
Armijos-Saca, R. A., Gutiérres-Vargas, M. M., Crespo-Gordillo, B. Z., Espinoza-Agila, L. E., y
Púa-Pilay, J. E. (2025). La Inteligencia Artificial (IA) en la Personalización del
Aprendizaje en el Aula. Ciencia Latina Revista Científica Multidisciplinar, 9(1),
7590-7601.
https://doi.org/10.37811/cl_rcm.v9i1.16427
Baltazar, C. (2023). Herramientas de IA aplicables a la Educación. Technology Rain Journal,
2(2), 1-14.
https://doi.org/10.55204/trj.v2i2.e15
Biggs, J. B. (1987). Study Process Questionnaire Manual. Student Approaches to Learning and
Studying. Australian Council for Educational Research.
Espinales-Franco, J. S., Pazmiño-Campuzano, M. F., y Zambrano-Acosta, J. M. (2024).
Inteligencia artificial como herramienta innovadora de enseñanza en la educación
superior. Caso: Universidad Técnica de Manabí. Revista Multidisciplinar Arbitrada de
Investigación Científica, 8(3), 4729–4748.
https://doi.org/10.56048/MQR20225.8.3.2024.4729-4748
Espinosa-Vallejo, J., Solís-Naranjo, L., Constante-Portero, D., Constante-Portero, M., Criollo-
Cárdenas, N., y Martínez-Ruiz, E. (2025). La inteligencia artificial aplicada a la
educación: innovación pedagógica, inclusión digital y transformación del
aprendizaje. Revista de Estudios Generales. 4(3), 870-892.
https://doi.org/10.70577/reg.v4i3.203
Gómez-Cárdenas, R., Fuentes-Penna, A., y Castro-Rascón, A. (2024). El uso ético y moral de
la inteligencia artificial en educación e investigación. Ciencia Latina Revista
Científica Multidisciplinar. 8(5), 3243- 3261.
https://doi.org/10.37811/cl_rcm.v8i5.13801
González-Alarcón, N., y Melguizo, A. (2023). Habilidades para un futuro laboral con IA
generativa: conocimientos y estrategias. UNESCO.
https://www.unesco.org/es/articles/habilidades-para-un-futuro-laboral-con-ia-
generativa-conocimientos-y-estrategias
Jardón, M. del C., Granizo, J. H., Yaselga, W. F., y Cocha, M. G. (2024). Impacto de los asistentes
virtuales de inteligencia artificial en el rendimiento académico de estudiantes
universitarios. Revista Social Fronteriza, 4(4), 1-27.
https://doi.org/10.59814/resofro.2024.4(4)338
Lamas-Lara, C. A., Martinez-Del Rio, I. P., Beltran-Pineda, L. B., y Romero-Vela, S. L. (2025).
Aprendizaje basado en investigación: desarrollo del pensamiento crítico en
51
Licencia Creative Commons Atribución 4.0 Internacional (CC BY 4.0)
Revista Cátedra, 9(1), pp. 36-53, enero-junio 2026. e-ISSN: 2631-2875
https://doi.org/10.29166/catedra.v9i1.9432
educación superior. Horizontes. Revista De Investigación En Ciencias De La
Educación, 9(40), 410–426.
https://doi.org/10.33996/revistahorizontes.v9i40.1152
Lima, G. J., Fernández, J. A., Cruz, O. J., y Guriz, N. O. (2025). Aplicación de la inteligencia
artificial para la personalización del aprendizaje en entornos universitarios:
desafíos, oportunidades y su impacto en la mejora del rendimiento académico.
Revista Social Fronteriza, 5(4), 1-19.
https://doi.org/10.59814/resofro.2025.5(4)786
Ludeña-Yaguana, J. E., Lozada-Monsalve, K. L., Calle-Landazuri, D. M., y Chiza-Yamberla, E. J.
(2025). Pedagogía personalizada con inteligencia artificial: Un estudio sobre el
impacto en el rendimiento y la motivación estudiantil. Revista Científica
Multidisciplinaria HEXACIENCIAS, 5(10), 224–245.
https://soeici.org/index.php/hexaciencias/article/view/700
Menacho-Ángeles, M., Pizarro-Arancibia, L., Osorio-Menacho, J., Osorio-Menacho, J., y León-
pizarro, B. (2024). Inteligencia artificial como herramienta en el aprendizaje
autónomo de los estudiantes de educación superior. INVECOM, 4(2), 1-9.
https://revistainvecom.org/index.php/invecom/article/view/3142
Morocho-Pintag, J., Yaselga-Auz, W., Lizano-Jácome, M., y Medina-Romero, M. (2025).
Competencias digitales y de IA en la educación: transformando a los estudiantes
para liderar el futuro del trabajo. Reincisol, 4(7), 2841-2864.
https://doi.org/10.59282/reincisol.V4(7)2841-2864
Numa-Sanjuán, N., Diaz-Guecha, L. Y., y Peñaloza-Tarazona, M. E. (2024). Importancia de la
Inteligencia Artificial en la educación del siglo XXI. Revista de Investigación,
Administración e Ingeniería, 12(2), 49–62,
https://doi.org/10.15649/2346030X.3776
Palma-Landirez, K. G., Feijoo-Romero, O. S., y Rumbaut-Rangel, D. (2024). Impacto de la
inteligencia artificial en el rendimiento académico de los estudiantes de tercer año
de bachillerato. Revista Multidisciplinar de Investigación Científica, 8(2), 4012–4025.
https://doi.org/10.56048/MQR20225.8.2.2024.4012-4025
Peñaherrera, W. P., Cunuhay, W. C., Nata, D. J., y Moreira, L. E. (2022). Implementación de la
Inteligencia Artificial (IA) como Recurso Educativo. Revista Científica Mundo de la
Investigación y el Conocimiento, 6(2), 402–413.
https://doi.org/10.26820/recimundo/6.(2).abr.2022.402-413
Piedra-Castro, W. I., Cajamarca-Correa, M. A., Burbano-Buñay, E. S., y Moreira-Alcívar, E. F.
(2024). Integración de la inteligencia artificial en la enseñanza de las Ciencias
Sociales en la educación superior. Journal of Economic and Social Science Research,
4(3), 105-126.
https://doi.org/10.55813/gaea/jessr/v4/n3/123
Pita-Briones, K., Jiménez-Pin, K., Saldarriaga-Alvarado, I., y Meneses-López, S. (2025).
Competencias digitales docentes frente a la inteligencia artificial educativa. 593
Digital Publisher CEIT, 10(5), 900-916.
https://doi.org/10.33386/593dp.2025.5.3569
Ponce-Tituaña, L. G., Quelal-González, N. M., Tupiza-Cumbal, M. del P., y Verduga-Shiguango,
H. A. (2025). Competencias digitales docentes en la educación superior: evaluación,
desafíos y estrategias para su fortalecimiento institucional. Multidisciplinary Journal
52
Licencia Creative Commons Atribución 4.0 Internacional (CC BY 4.0)
Revista Cátedra, 9(1), pp. 36-53, enero-junio 2026. e-ISSN:2631-2875
https://doi.org/10.29166/catedra.v9i1.9432
of Sciences, Discoveries, and Society, 2(3), e-226.
https://doi.org/10.71068/r2eawg98
Ribas, F. B., y Provasi, M. R. (2024). Adopción de inteligencia artificial generativa:
percepciones de alumnos de ciencias económicas. In XX Simposio Regional de
Investigación Contable. 2683-6734.
http://sedici.unlp.edu.ar/handle/10915/175480
Rochina, S., Duarte, M., Macanchí, M., y Tipantuña, E., (2024) Transformación educativa en
el siglo XXI: Integración de Tecnologías Emergentes para el Aprendizaje Efectivo.
Reincisol, 3(6), 6092-6109. https://doi.org/10.59282/reincisol.V3(6)6092-6109
Rodríguez-Martínez, A., Jiménez-Delgado, J. J., y Anta-Félez, J. L. (2025). La brecha digital.
Tecnología y humanidad. Sociedad & Tecnología, 8(S1), 4–17.
https://doi.org/10.51247/st.v8i2.557
Rosero, J. R., y Guevara, D. A. (2025). Exploración del Uso de la Inteligencia Artificial en la
Eficiencia de Entornos Virtuales LMS de E-Learning para la Educación Secundaria.
Ciencia Latina Revista Científica Multidisciplinar, 8(6), 6134-6151.
https://doi.org/10.37811/cl_rcm.v8i6.15310
Ruiz-Miranda, E. (2023). La revolución de la inteligencia artificial en la educación: una
reseña de ChatGPT. Revista de Estudios e Investigación en Psicología y Educación,
10(1), 156-160. https://doi.org/10.17979/reipe.2023.10.1.9594
Sánchez-Salazar, T. R., Gómez-Alcívar, V. J., Henríquez-Carrera, E. G., y Melecio-Arana
Cadena, R. (2025). Uso de la Inteligencia Artificial, herramienta para potenciar la
formación integral de los estudiantes universitarios: oportunidades y desafíos.
Journal of Science and Research. 9.
https://revistas.utb.edu.ec/index.php/sr/article/view/3464
Vélez-Rivera, R., Muñoz-Álvarez, D., Leal-Orellana, P., y Ruiz-Garrido, A. (2024). Uso de
Inteligencia Artificial en educación superior y sus implicancias éticas. Mapeo
sistemático de literatura. Hachetetepé: Revista Científica de Educación y
Comunicación, (28), 1-17.
https://doi.org/10.25267/Hachetetepe.2024.i28.1105
Vera, F. (2023). Integración de la Inteligencia Artificial en la Educación superior: Desafíos y
oportunidades. Revista Electrónica Transformar, 4(1), 17-34.
https://www.revistatransformar.cl/index.php/transformar/article/view/84
Autores
SANTIAGO VINUEZA-VINUEZA obtuvo su título de doctor en Investigación Educativa en la
Universidad César Vallejo-Perú en 2025, Magíster en Redes de Comunicaciones, de la
Facultad de Ingeniería, de la Pontificia Universidad Católica del Ecuador en 2016,
Magíster en Sistemas Informáticos Educativos, Universidad Tecnológica Israel en 2009,
Licenciado en Ciencias de la Educación especialización de Informática, Facultad de Filosofía
Letras y Ciencias de la Educación, Universidad Central del Ecuador en 2002, Ingeniero
en Ejecución Informática, Universidad Autónoma deQuito en 2002.
Actualmente es profesor tiempo compelto de la Facultad de Ciencias Económicas de la
Universidad del Ecuador. Sus principales investigaciones se enmarcan en el campo
educativo y las Tecnologías de la Información y Comunicación. Es autor de capítulos de
53
Licencia Creative Commons Atribución 4.0 Internacional (CC BY 4.0)
Revista Cátedra, 9(1), pp. 36-53, enero-junio 2026. e-ISSN: 2631-2875
https://doi.org/10.29166/catedra.v9i1.9432
libros y artículos publicados en revistas de alto impacto (Emerging Source Citation Index,
Scopus, Latindex, Redalcy, Scielo).
ALEJANDRA FONSECA-FACTOS obtuvo su título de Magíster en Educación mención
Innovación y Liderazgo Educativa en la Universidad Indoamerica (Ecuador). Obtuvo el
título de Ingeniera en Electrónica y Telecomunicaciones en la Universidad de las Fuerzas
Armadas-ESPE.
Actualmente es profesora de bachillerato técnico oferta ordinaria y bachillerato técnico
complementario en la Unidad Educativa Uyumbicho, Cantón Mejía, Provincia Pichincha. Ha
participado como par revisor para la revista Conectividad-Instituto Universitario
Rumiñahui. Colabora de manera conjunta con el Ministerio de Educación, Deporte y Cultura
en el acompañamiento técnico-pedagógico para la implementación de proyectos de
robótica educativa en instituciones del sistema educativo. Sus principales temas de
investigación incluyen enfoque STEAM, robótica educativa, innovación educativa, didáctica
de las ciencias exactas y naturales (física), biomédica y tecnologías aplicada a la educación.
Es autora de algunos artículos publicados en conferencias y revistas de alto impacto (IEEE
Xplore, Scielo, Latindex, DOAJ).
Declaración de autoría-CRediT
SANTIAGO VINUEZA-VINUEZA: estado de la cuestión, conceptos relacionados,
metodología, validación, análisis de datos, redacción- primer borrador.
ALEJANDRA FONSECA-FACTOS: estado de la cuestión, conceptos relacionados, análisis de
datos, organización e integración de datos recopilados, conclusiones, redacción final y
edición.
Declaración del uso de inteligencia artificial
Los autores declaran que no utilizaron herramientas de Inteligencia Artificial (IA) para
ninguno de los fragmentos del manuscrito. Todo el material fue revisado y validado por los
autores, quienes se responsabilizan de su exactitud y rigurosidad.
