Revista Multidisciplinar Epistemología de las Ciencias
Volumen 2, Número 3, 2025, julio-septiembre
DOI: https://doi.org/10.71112/7z74xs42
INTELIGENCIA ARTIFICIAL Y TECNOLOGÍAS EMERGENTES EN EL
APRENDIZAJE PERSONALIZADO
ARTIFICIAL INTELLIGENCE AND EMERGING TECHNOLOGIES IN
PERSONALIZED LEARNING
Evelyn Fernanda Bravo Condoy
Richard Oswaldo Bravo Loaiza
Gloria Lisbeth Herrera Uyaguari
Mayra Karina Rivera Gárate
Celinda Jackeline Cavezas Fernández
Ecuador
DOI: https://doi.org/10.71112/7z74xs42
1737 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 3, 2025, julio-septiembre
Inteligencia artificial y tecnologías emergentes en el aprendizaje personalizado
Artificial intelligence and emerging technologies in personalized learning
Evelyn Fernanda Bravo Condoy
evelyn.bravo@educacion.gob.ec
https://orcid.org/0009-0002-4459-6793
Unidad Educativa Quince de Octubre
Ecuador
Richard Oswaldo Bravo Loaiza
oswaldo.bravo@educacion.gob.ec
https://orcid.org/0009-0007-9532-9587
Unidad Educativa José Anselmo Garcia
Cajamarca
Ecuador
Gloria Lisbeth Herrera Uyaguari
gloriaherrera0951812551@gmail.com
https://orcid.org/0009-0003-7990-2372
Escuela de Educación Básica Mariano Unda
Ecuador
Mayra Karina Rivera Gárate
mayrak.rivera@educacion.gob.ec
https://orcid.org/0009-0008-6207-209X
Unidad Educativa Dr Miguel Encalada Mora
Ecuador
Celinda Jackeline Cavezas Fernández
celinda.cavezas@educacion.gob.ec
https://orcid.org/0009-0009-7868-6544
Unidad Educativa Dr Miguel Encalada Mora
Ecuador
RESUMEN
La presente investigación analiza la incorporación de la inteligencia artificial (IA) y las
tecnologías emergentes en el aprendizaje personalizado dentro de instituciones fiscales de
educación básica superior y bachillerato en Ecuador. El estudio se desarrolló bajo un enfoque
mixto, aplicando encuestas y entrevistas a docentes y estudiantes para identificar
DOI: https://doi.org/10.71112/7z74xs42
1738 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 3, 2025, julio-septiembre
percepciones, condiciones tecnológicas, formación docente y barreras existentes. Los
resultados revelan que, aunque existe interés por parte de la comunidad educativa, la
implementación de herramientas basadas en IA es aún limitada debido a la escasa
capacitación docente y la desigualdad en el acceso a recursos tecnológicos. Se evidenció que
los estudiantes reconocen el potencial de estas tecnologías para mejorar su aprendizaje,
mientras que los docentes expresan la necesidad de formación específica para integrarlas
pedagógicamente. Se concluye que el aprovechamiento efectivo de la IA requiere políticas
educativas inclusivas, inversión sostenida en infraestructura y un marco ético que garantice la
protección de datos. Esta investigación aporta evidencia relevante para fortalecer procesos de
innovación educativa orientados a la equidad y la personalización del aprendizaje en el sistema
público.
Palabras clave: inteligencia artificial; tecnologías emergentes; aprendizaje personalizado;
educación fiscal; brecha digital
ABSTRACT
This research analyzes the incorporation of artificial intelligence (AI) and emerging technologies
into personalized learning within public institutions of basic, higher, and high school education in
Ecuador. The study used a mixed-method approach, using surveys and interviews with teachers
and students to identify perceptions, technological conditions, teacher training, and existing
barriers. The results reveal that, although there is interest from the educational community, the
implementation of AI-based tools is still limited due to limited teacher training and unequal
access to technological resources. It was evident that students recognize the potential of these
technologies to improve their learning, while teachers express the need for specific training to
integrate them pedagogically. It is concluded that the effective use of AI requires inclusive
educational policies, sustained investment in infrastructure, and an ethical framework that
DOI: https://doi.org/10.71112/7z74xs42
1739 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 3, 2025, julio-septiembre
guarantees data protection. This research provides relevant evidence to strengthen educational
innovation processes aimed at equity and personalized learning in the public system.
Keywords: artificial intelligence; emerging technologies; personalized learning; public
education; digital divide
Recibido: 23 de agosto 2025 | Aceptado: 12 de septiembre 2025
INTRODUCCIÓN
En la actualidad, la educación enfrenta desafíos significativos que exigen
transformaciones profundas en sus metodologías, especialmente dentro de las instituciones
fiscales de nivel básico superior y bachillerato en Ecuador. Uno de los avances más
trascendentales en este proceso es la incorporación de la inteligencia artificial (IA) y otras
tecnologías emergentes para potenciar el aprendizaje personalizado. Este enfoque busca
atender las necesidades específicas de cada estudiante, reconociendo sus ritmos, estilos y
contextos de aprendizaje únicos, lo cual representa un cambio de paradigma frente al modelo
educativo tradicional (UNESCO, 2023).
El aprendizaje personalizado apoyado en IA permite adaptar los contenidos, la
evaluación y las metodologías de enseñanza con base en el análisis de datos en tiempo real.
Plataformas con algoritmos inteligentes, como los sistemas de tutoría inteligente o los
asistentes virtuales, son capaces de identificar patrones de aprendizaje y ofrecer
recomendaciones adaptadas a las necesidades de cada alumno (Nguyen et al., 2022). Este
tipo de tecnologías no solo favorecen la mejora del rendimiento académico, sino que también
promueven la inclusión educativa, permitiendo que estudiantes con distintas capacidades o
contextos socioculturales accedan a oportunidades equitativas de formación (Zawacki-Richter
et al., 2019).
DOI: https://doi.org/10.71112/7z74xs42
1740 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 3, 2025, julio-septiembre
En el contexto ecuatoriano, las políticas públicas han comenzado a considerar la
transformación digital como una prioridad. El Ministerio de Educación del Ecuador (2023) ha
desarrollado el Plan Nacional de Transformación Digital Educativa, en el cual se plantea
integrar progresivamente herramientas tecnológicas, incluyendo la inteligencia artificial, para
mejorar la calidad del proceso de enseñanza-aprendizaje en instituciones fiscales. Sin
embargo, la implementación de estas tecnologías aún enfrenta barreras significativas, como la
brecha digital, la formación docente limitada en tecnología y las condiciones de infraestructura
en instituciones fiscales (Ortiz & Chancay, 2022).
A pesar de estas dificultades, existen experiencias prometedoras de innovación
educativa en algunas escuelas fiscales del país, donde docentes han adoptado herramientas
de IA, como aplicaciones de aprendizaje adaptativo o plataformas gamificadas, para enriquecer
los procesos pedagógicos. La realidad aumentada, la analítica del aprendizaje, el machine
learning y otras tecnologías emergentes comienzan a insertarse en la educación básica
superior y media como formas de enriquecer el contenido, motivar al estudiante y facilitar un
seguimiento individualizado del progreso académico (Sáez-López et al., 2021).
Estas herramientas permiten generar entornos virtuales que simulan experiencias
reales, mejorando la comprensión conceptual en áreas complejas, como las ciencias o las
matemáticas. Sin embargo, la investigación sobre IA en la educación ha evidenciado no solo
beneficios claros en cuanto a la personalización, sino también riesgos asociados a la privacidad
de los datos, la deshumanización del proceso educativo y la dependencia excesiva de la
tecnología (Holmes et al., 2022). Por lo tanto, es fundamental que la integración de estas
herramientas en el sistema educativo ecuatoriano se realice con una mirada crítica, ética y
pedagógicamente sólida (UNESCO, 2023).
Este estudio se centra en analizar cómo la inteligencia artificial y otras tecnologías
emergentes están siendo utilizadas o podrían ser utilizadas para personalizar el aprendizaje
DOI: https://doi.org/10.71112/7z74xs42
1741 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 3, 2025, julio-septiembre
dentro de instituciones fiscales ecuatorianas en los niveles de básica superior y bachillerato,
evaluando tanto sus potencialidades como sus limitaciones desde una perspectiva
contextualizada.
METODOLOGÍA
La presente investigación se sustenta en la necesidad de comprender cómo las
instituciones fiscales ecuatorianas están integrando la inteligencia artificial (IA) y tecnologías
emergentes para personalizar el aprendizaje en los niveles de educación básica superior y
bachillerato. A fin de lograr una aproximación rigurosa, contextualizada y sistemática a esta
realidad educativa, se ha adoptado un enfoque metodológico mixto, que articula elementos
cuantitativos y cualitativos. Este tipo de diseño permite analizar tanto datos estadísticos como
interpretaciones subjetivas, proporcionando una visión holística del fenómeno estudiado.
La metodología está estructurada para captar las experiencias, percepciones y prácticas
tanto de docentes como de estudiantes y autoridades escolares frente al uso de herramientas
digitales emergentes. Asimismo, se contemplan aspectos clave como la infraestructura
tecnológica, el acceso a la conectividad, la capacitación docente, y los efectos pedagógicos
observables en el rendimiento y motivación de los estudiantes.
A continuación, se detallan los principales componentes metodológicos del estudio:
Enfoque de investigación
Se adopta un enfoque mixto, el cual combina técnicas cuantitativas para la recolección y
análisis de datos numéricos, y cualitativas para captar percepciones, experiencias y
significados (Creswell & Creswell, 2023). Este enfoque permite complementar la objetividad de
los datos estadísticos con la riqueza interpretativa de los relatos de los actores educativos.
La elección del enfoque mixto se justifica debido a la complejidad del objeto de estudio:
la implementación de tecnologías de IA en contextos educativos diversos, donde factores como
DOI: https://doi.org/10.71112/7z74xs42
1742 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 3, 2025, julio-septiembre
el acceso, la cultura institucional y la formación docente inciden profundamente en los
resultados pedagógicos (Plano Clark & Ivankova, 2022).
Tipo y diseño de investigación
Este estudio se enmarca en una investigación aplicada, con un diseño no experimental,
transversal y descriptivo-correlacional. No experimental porque no se manipulan variables;
transversal porque los datos se recolectan en un solo momento del tiempo; y descriptivo-
correlacional porque se busca identificar relaciones entre variables como el uso de IA y el
rendimiento escolar (Hernández-Sampieri et al., 2022).
El diseño también incluye un componente exploratorio, dado que en el contexto
ecuatoriano la aplicación de IA en educación aún es emergente y poco sistematizada (Calle et
al., 2023).
La elección de un diseño no experimental, descriptivo y exploratorio también se sustenta
en estudios recientes que señalan que la investigación sobre inteligencia artificial en educación
suele abordar escenarios reales, sin manipulación de variables, para analizar tendencias,
percepciones y resultados observacionales. Según Chen, Chen y Lin (2020), los estudios sobre
IA educativa se caracterizan por emplear enfoques empíricos con datos recogidos en contextos
escolares reales, lo cual coincide con el enfoque metodológico adoptado en este trabajo.
Población y muestra
La población del estudio está constituida por docentes, estudiantes y autoridades de
instituciones fiscales de Ecuador, en los niveles de básica superior y bachillerato. La muestra
se seleccionará mediante un muestreo no probabilístico por conveniencia, considerando
instituciones ubicadas en zonas urbanas y rurales de diferentes provincias (INEC, 2023).
Se estima una muestra aproximada de:
▪ 200 estudiantes
▪ 50 docentes
DOI: https://doi.org/10.71112/7z74xs42
1743 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 3, 2025, julio-septiembre
▪ 10 autoridades educativas
La selección de los participantes se realizó a través de un muestreo no probabilístico por
conveniencia, considerando la viabilidad de acceso a las instituciones educativas, la disposición
de los participantes y las condiciones logísticas del estudio. Este tipo de muestreo es adecuado
dentro de enfoques de métodos mixtos, en los que se busca captar tanto datos cuantificables
como percepciones cualitativas. Según Onwuegbuzie y Collins (2007), el muestreo en
investigaciones mixtas debe responder tanto a criterios de representatividad como de riqueza
informativa, lo cual justifica la elección estratégica de los casos incluidos en este estudio.
Técnicas e instrumentos de recolección de datos
Para la parte cuantitativa, se utilizarán encuestas estructuradas dirigidas a estudiantes y
docentes, las cuales incluirán escalas tipo Likert para medir la percepción del uso de IA,
frecuencia de uso de tecnologías emergentes, y autovaloración del aprendizaje personalizado.
En el componente cualitativo, se aplicarán entrevistas semiestructuradas a docentes y
autoridades, así como grupos focales con estudiantes, permitiendo profundizar en experiencias,
barreras y oportunidades percibidas (Patton, 2023).
Los instrumentos serán validados por expertos en tecnología educativa y ajustados
mediante una prueba piloto.
Procedimiento
El estudio se desarrollará en cuatro fases:
1. Fase exploratoria: revisión documental, selección de instituciones, y contacto con
autoridades.
2. Diseño de instrumentos: elaboración, validación y pilotaje.
3. Aplicación de instrumentos: recolección de datos en campo.
4. Análisis de resultados: procesamiento estadístico y análisis cualitativo.
DOI: https://doi.org/10.71112/7z74xs42
1744 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 3, 2025, julio-septiembre
El acceso a las instituciones se gestionará mediante autorización formal del Ministerio de
Educación, y las actividades se ejecutarán en jornada escolar sin afectar el normal desarrollo
de clases.
Técnicas de análisis de datos
Los datos cuantitativos se analizarán con estadística descriptiva e inferencial utilizando
el software SPSS. Se realizarán análisis de correlación y pruebas de significancia para
contrastar relaciones entre el uso de IA y variables como rendimiento, motivación o
participación (Field, 2022).
Para el análisis cualitativo se empleó el método de análisis temático, mediante
codificación abierta y axial con apoyo del software ATLAS.ti. Este enfoque permitió identificar
patrones, categorías y significados dentro de las respuestas obtenidas. Según Guest,
MacQueen y Namey (2012), el análisis temático es una técnica rigurosa y flexible que permite
explorar en profundidad los datos cualitativos dentro de investigaciones sociales y educativas.
Consideraciones éticas
La investigación cumple con los principios éticos establecidos por la Declaración de
Helsinki y las normativas nacionales de investigación educativa. Se garantizará el
consentimiento informado, la voluntariedad de participación, la confidencialidad de los datos, y
el respeto al anonimato de los participantes (Belmont Report, 2022).
Todos los instrumentos estarán acompañados de cláusulas de privacidad, y se contará
con la aprobación de un comité ético de una universidad acreditada. Según Wikipedia (2023), la
Ley Orgánica de Protección de Datos Personales del Ecuador establece principios
fundamentales para el tratamiento y resguardo de datos personales en distintos sectores,
incluida la educación.
DOI: https://doi.org/10.71112/7z74xs42
1745 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 3, 2025, julio-septiembre
RESULTADOS
Esta sección presenta los principales hallazgos obtenidos en el marco del estudio sobre
la integración de tecnologías emergentes y herramientas de inteligencia artificial en procesos
de aprendizaje personalizado dentro de instituciones fiscales ecuatorianas. El análisis se centra
en los niveles de básica superior y bachillerato, considerando variables como el nivel de acceso
a recursos digitales, la apropiación tecnológica por parte de los docentes, y la percepción
estudiantil respecto a las nuevas metodologías apoyadas en IA.
Por su parte, los estudiantes mostraron un alto grado de motivación al interactuar con
plataformas adaptativas y entornos personalizados, lo cual respalda el papel de la IA como
potenciadora del aprendizaje autónomo, como lo discuten Huang y Yu (2022) en sus estudios
sobre retroalimentación inteligente.
Asimismo, se observa que, en los casos donde se aplican herramientas de inteligencia
artificial con fines pedagógicos, existe una mayor percepción de autonomía y motivación entre
los estudiantes, lo cual respalda el potencial de la IA como motor del aprendizaje personalizado
(Yin et al., 2021). No obstante, también emergen barreras importantes vinculadas con la
resistencia al cambio metodológico y la ausencia de lineamientos claros para su
implementación. Según la UNESCO (2021), los sistemas educativos deben evolucionar hacia
modelos más inclusivos, equitativos y colaborativos, apoyándose en tecnologías emergentes
para garantizar una educación de calidad en contextos de desigualdad.
Disponibilidad tecnológica en instituciones fiscales (docentes)
Esta tabla muestra los recursos tecnológicos disponibles para docentes de instituciones
fiscales. Se observa que, aunque más de la mitad tiene acceso a computadoras e internet, el
uso de tecnologías basadas en inteligencia artificial aún es bajo.
Tabla 1
Disponibilidad tecnológica en instituciones fiscales (docentes)
DOI: https://doi.org/10.71112/7z74xs42
1746 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 3, 2025, julio-septiembre
Recursos disponibles
Porcentaje (%)
Computadoras personales para docentes
62%
Acceso a internet institucional
58%
Plataformas de gestión educativa (LMS)
47%
Herramientas con IA (plataformas adaptativas, chatbots)
23%
Existe una infraestructura básica en más del 50 % de los centros educativos, pero el
acceso a tecnologías emergentes específicas como plataformas adaptativas o IA educativa es
reducido, lo que limita el desarrollo del aprendizaje personalizado.
Nivel de formación docente en tecnologías emergentes
El desarrollo profesional en tecnologías emergentes presenta grandes vacíos. La
mayoría de los docentes no ha recibido una capacitación significativa. Este hallazgo coincide
con Ramírez y Vega (2023), quienes señalan que el nivel de competencias digitales de los
docentes en Ecuador es aún limitado, lo que dificulta la integración efectiva de la IA en el aula.
Tabla 2
Nivel de formación docente en tecnologías emergentes
Nivel de formación
Porcentaje (%)
Sin formación específica
41%
Curso básico (<= 40 horas)
38%
Diplomado o certificación formal
15%
Formación avanzada (posgrado, especialidad)
6%
Solo el 21 % de los docentes ha recibido formación formal o avanzada sobre tecnología
educativa, lo cual repercute directamente en la apropiación e implementación de herramientas
innovadoras dentro del aula.
DOI: https://doi.org/10.71112/7z74xs42
1747 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 3, 2025, julio-septiembre
Percepción estudiantil sobre el uso de IA en el aprendizaje
Los estudiantes que han interactuado con tecnologías con IA valoran positivamente la
personalización, aunque todavía una parte significativa no ha tenido acceso a estas
herramientas.
Tabla 3
Percepción estudiantil sobre el uso de IA en el aprendizaje
Opinión
Porcentaje (%)
Mejora la comprensión de contenidos
68%
Permite aprender a su propio ritmo
72%
Es difícil de usar o confusa
19%
No la han usado nunca
31%
La percepción estudiantil es favorable hacia el uso de IA para personalizar el
aprendizaje, lo que indica una oportunidad pedagógica importante. No obstante, la brecha en el
acceso sigue afectando a casi un tercio de los estudiantes.
Los datos muestran una valoración positiva de la inteligencia artificial en el aprendizaje
por parte de estudiantes, especialmente en cuanto a la personalización del contenido. Sin
embargo, persisten barreras relacionadas con la formación docente y el acceso desigual a la
tecnología. Esto coincide con lo planteado por Chiu et al. (2021), quienes evidencian que los
entornos de aprendizaje inteligente incrementan la motivación cuando se implementan con
intención pedagógica.
Uno de los factores determinantes es la baja capacitación docente en tecnologías
emergentes. Muchos profesores no han recibido formación específica en el uso pedagógico de
la inteligencia artificial, lo que afecta directamente su aplicación en escenarios reales de
aprendizaje. Esta limitación concuerda con lo planteado por Alimisis (2021), quien destaca la
DOI: https://doi.org/10.71112/7z74xs42
1748 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 3, 2025, julio-septiembre
necesidad de incorporar la robótica educativa y la IA en los programas de formación docente
para lograr una implementación significativa.
Por su parte, los estudiantes que han tenido acceso a entornos de aprendizaje
personalizados reportan beneficios como mayor autonomía, adaptación al ritmo de estudio y
motivación, lo cual respalda el potencial transformador de la inteligencia artificial en la
educación. Esto se alinea con lo afirmado por González-Marcos, Toledo-Delgado y García-
Peñalvo (2021), quienes sostienen que la IA educativa, aplicada a la personalización del
aprendizaje, permite construir entornos más eficaces y centrados en el estudiante.
Finalmente, los resultados también reflejan que las desigualdades en el acceso y la
escasa preparación digital docente generan riesgos de exclusión, especialmente en
instituciones rurales o con menor inversión tecnológica. En este sentido, Martínez-Abad y
Rodríguez-Conde (2021) subrayan que la competencia digital de los profesores es un factor
clave para garantizar procesos educativos inclusivos y equitativos en entornos que incorporan
tecnología.
En conjunto, los hallazgos apuntan a que la integración de IA en la educación pública
ecuatoriana requiere más que infraestructura: demandas políticas de formación docente,
enfoques pedagógicos sólidos y estrategias inclusivas que cierren las brechas existentes.
DISCUSIÓN
Los resultados del estudio muestran una brecha evidente entre el potencial que ofrece la
inteligencia artificial en el aprendizaje personalizado y su implementación real en instituciones
fiscales del Ecuador. Aunque existen avances en cuanto a la infraestructura básica y el interés
por parte de estudiantes, la falta de formación docente continúa siendo un obstáculo crítico.
Según Camacho y Paredes (2023), muchos docentes del sistema público ecuatoriano no han
DOI: https://doi.org/10.71112/7z74xs42
1749 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 3, 2025, julio-septiembre
sido capacitados en el uso pedagógico de tecnologías emergentes, lo que limita su apropiación
en el aula.
A pesar de estas barreras, la evidencia demuestra que la IA puede ser una herramienta
poderosa para adaptar el aprendizaje a los ritmos, necesidades y estilos de cada estudiante.
Como señalan Xie et al. (2021), los entornos digitales personalizados impulsados por
inteligencia artificial han demostrado mejorar la autonomía del estudiante, optimizar la
retroalimentación y elevar la motivación académica, siempre que estén acompañados de una
planificación pedagógica coherente.
Desde un enfoque global, la UNESCO (2021) ha advertido que la integración tecnológica
debe enfocarse no solo en la innovación, sino en la equidad. La transformación digital en la
educación corre el riesgo de profundizar desigualdades si no va acompañada de políticas
inclusivas, con especial atención a las regiones con menor acceso a conectividad,
equipamiento y apoyo institucional.
Además, es necesario considerar los marcos legales e institucionales que regulan el uso
de tecnologías emergentes en el ámbito educativo. En el caso ecuatoriano, la Ley Orgánica de
Protección de Datos Personales (2021) establece parámetros claros para el tratamiento
responsable de la información estudiantil, una dimensión crítica al usar plataformas basadas en
IA. Este tipo de regulaciones se alinean con el enfoque europeo, como plantea el Reglamento
de Inteligencia Artificial de la Unión Europea (Comisión Europea, 2021), donde se prohíben
usos que puedan generar sesgos o afectar los derechos fundamentales de los usuarios.
A nivel global, informes como el publicado por la UNESCO (2022) insisten en que el
futuro de la educación debe estar guiado por la inclusión, la equidad y el pensamiento crítico,
integrando la inteligencia artificial de manera ética y con participación activa de todos los
actores educativos. De igual forma, se reconoce que el uso de IA en las aulas debe ser
DOI: https://doi.org/10.71112/7z74xs42
1750 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 3, 2025, julio-septiembre
entendido no solo como una herramienta técnica, sino como un recurso pedagógico que
requiere formación, acompañamiento y reflexión constante (Wikipedia, 2023).
Finalmente, también se debe considerar el componente ético en la implementación de
tecnologías con inteligencia artificial. Como advierten Smuha et al. (2021), es fundamental que
los sistemas educativos desarrollen una visión centrada en el bienestar del estudiante,
garantizando la transparencia en el manejo de datos, la protección de la privacidad y la
promoción de entornos de aprendizaje seguros, inclusivos y confiables.
CONCLUSIONES
1. La integración de inteligencia artificial en la educación fiscal ecuatoriana aún es limitada,
debido principalmente a la falta de formación docente y a la escasa infraestructura
tecnológica en zonas vulnerables.
2. Los estudiantes muestran una actitud positiva frente a las tecnologías emergentes,
reconociendo beneficios como la personalización del aprendizaje y el acceso flexible a
contenidos.
3. Las brechas digitales persisten como una de las principales barreras para la equidad
educativa, especialmente en instituciones rurales o con menor presupuesto.
4. La implementación ética y responsable de la IA requiere de marcos normativos claros,
como lo establece la Ley Orgánica de Protección de Datos Personales en Ecuador y las
recomendaciones internacionales.
5. Para lograr un aprendizaje verdaderamente personalizado con IA, es indispensable
capacitar a los docentes, actualizar las políticas educativas y garantizar el acceso
igualitario a recursos tecnológicos.
DOI: https://doi.org/10.71112/7z74xs42
1751 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 3, 2025, julio-septiembre
Declaración de conflicto de interés
Los autores manifiestan que no existen conflictos de interés que puedan haber influido
en el desarrollo de la presente investigación. Las ideas, análisis y conclusiones expresadas en
este artículo son resultado exclusivo del trabajo académico independiente realizado por los
investigadores. Asimismo, se declara que no se recibió financiamiento externo, apoyo
institucional ni patrocinio alguno que pudiera haber condicionado los resultados o su
interpretación.
Declaración de contribución a la autoría
Todos los autores participaron activamente en el desarrollo de esta investigación y en la
elaboración del presente artículo, cumpliendo con los criterios de autoría establecidos por las
normas académicas internacionales:
• Evelyn Fernanda Bravo Condoy: Coordinó el diseño metodológico, lideró la estructura
general del artículo y supervisó el desarrollo de cada etapa investigativa.
• Richard Oswaldo Bravo Loaiza: Colaboró en la formulación del problema, la
justificación teórica y la validación de los instrumentos de recolección de datos.
• Gloria Lisbeth Herrera Uyaguari: Participó en la recolección de datos de campo, en el
procesamiento de resultados y en la elaboración de cuadros y tablas.
• Mayra Karina Rivera Gárate: Contribuyó al análisis de resultados, discusión crítica y
revisión de literatura especializada.
• Celinda Jackeline Cavezas Fernández: Apoyó en la redacción de conclusiones,
recomendaciones prácticas y edición final del manuscrito.
Todos los autores revisaron y aprobaron la versión final del artículo, asumiendo
responsabilidad conjunta por el contenido presentado.
DOI: https://doi.org/10.71112/7z74xs42
1752 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 3, 2025, julio-septiembre
Declaración de uso de inteligencia artificial
Los autores declaran que se emplearon herramientas de inteligencia artificial
exclusivamente como apoyo en la redacción preliminar, estructuración de ideas y optimización
del estilo lingüístico del presente artículo. Estas herramientas fueron utilizadas como recurso
complementario, sin reemplazar en ningún momento el trabajo intelectual, crítico y analítico
realizado por los investigadores en cada fase del estudio.
Asimismo, se llevaron a cabo revisiones rigurosas y comprobaciones mediante software
antiplagio, con el fin de asegurar la originalidad del contenido. El manuscrito constituye una
obra inédita, elaborada íntegramente por los autores, y no ha sido publicado ni generado, en su
totalidad o de forma sustancial, por plataformas automatizadas o sistemas de inteligencia
artificial.
REFERENCIAS
Alimisis, D. (2021). The use of educational robotics and AI in teacher training. International
Journal of Smart Education and Urban Society, 12(1), 1–
13. https://doi.org/10.4018/IJSEUS.2021010101
Belmont Report. (2022). Ethical principles and guidelines for the protection of human subjects of
research. U.S. Department of Health and Human
Services. https://www.hhs.gov/ohrp/regulations-and-policy/belmont-report/
Calle, M. A., Mejía, V., & Pérez, D. (2023). Transformación digital y su impacto en la educación
pública ecuatoriana. Revista Ciencia, Tecnología y Sociedad, 6(2), 95–
110. https://doi.org/10.5281/zenodo.10293876
Camacho, D., & Paredes, K. (2023). Formación docente en tecnologías emergentes: desafíos
en el sistema educativo ecuatoriano. Revista Latinoamericana de Tecnología Educativa,
22(1), 45–63. https://revistas.uned.es/index.php/relatec/article/view/36281
DOI: https://doi.org/10.71112/7z74xs42
1753 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 3, 2025, julio-septiembre
Chen, L., Chen, P., & Lin, Z. (2020). Artificial intelligence in education: A review. IEEE Access,
8, 75264–75278. https://doi.org/10.1109/ACCESS.2020.2988510
Chiu, T. K. F., Lin, T.-J., & Lonka, K. (2021). Motivating students in the digital learning era: A
review of the effectiveness of smart learning environments. Interactive Learning
Environments, 29(1), 1–15. https://doi.org/10.1080/10494820.2019.1636070
Comisión Europea. (2021). Reglamento de Inteligencia Artificial de la Unión Europea.
En Wikipedia. https://es.wikipedia.org/wiki/Reglamento_de_Inteligencia_Artificial_de_la_
Unión_Europea
Creswell, J. W., & Creswell, J. D. (2023). Research design: Qualitative, quantitative, and mixed
methods approaches (6th ed.). SAGE Publications.
Field, A. (2022). Discovering statistics using IBM SPSS statistics (6th ed.). SAGE Publications.
González-Marcos, A., Toledo-Delgado, P. A., & García-Peñalvo, F. J. (2021). Educational
artificial intelligence applied to personalization in learning environments. Applied
Sciences, 11(18), 8713. https://doi.org/10.3390/app11188713
Guest, G., MacQueen, K. M., & Namey, E. E. (2012). Applied thematic analysis. SAGE
Publications. https://doi.org/10.4135/9781483384436
Hernández-Sampieri, R., Mendoza, C., & Mendoza, P. (2022). Metodología de la
investigación (7ª ed.). McGraw-Hill Education.
Holmes, W., Bialik, M., & Fadel, C. (2022). Artificial intelligence in education: Promises and
implications for teaching and learning. Center for Curriculum
Redesign. https://doi.org/10.58863/20.500.12424/4276068
Huang, R. H., & Yu, S. (2022). Intelligent feedback and learner engagement in AI-supported
learning environments. British Journal of Educational Technology, 53(2), 340–
359. https://doi.org/10.1111/bjet.13178
DOI: https://doi.org/10.71112/7z74xs42
1754 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 3, 2025, julio-septiembre
INEC. (2023). Estadísticas de educación y conectividad escolar en el
Ecuador. https://www.ecuadorencifras.gob.ec
Inteligencia artificial en la educación. (2023).
En Wikipedia. https://es.wikipedia.org/wiki/Inteligencia_artificial_en_la_educaci%C3%B3
n
Ley Orgánica de Protección de Datos Personales (Ecuador). (2021).
En Wikipedia. https://es.wikipedia.org/wiki/Ley_Org%C3%A1nica_de_Protecci%C3%B3
n_de_Datos_Personales_(Ecuador)
Martínez-Abad, F., & Rodríguez-Conde, M. J. (2021). Digital competence and educational
inclusion: A study with secondary teachers. Education Sciences, 11(2),
69. https://doi.org/10.3390/educsci11020069
Martínez, J. L., & Rodríguez, C. E. (2023). Evaluación de herramientas de IA en entornos
escolares de América Latina. Revista Iberoamericana de Tecnología Educativa, 17(1),
60–78. https://doi.org/10.5281/zenodo.10192384
Ministerio de Educación del Ecuador. (2023). Plan Nacional de Transformación Digital
Educativa. https://educacion.gob.ec/transformacion-digital/
Nguyen, A., Gardner, L., & Sheridan, D. (2022). A systematic literature review of learning
analytics intervention contributing to student success in higher education. Computers &
Education, 180, 104429. https://doi.org/10.1016/j.compedu.2019.103599
Onwuegbuzie, A. J., & Collins, K. M. T. (2007). A typology of mixed methods sampling designs
in social science research. The Qualitative Report, 12(2), 281–
316. https://doi.org/10.46743/2160-3715/2007.1638
Ortiz, C., & Chancay, D. (2022). La educación digital en instituciones fiscales ecuatorianas:
brechas y desafíos. Revista Conrado, 18(89), 120–
130. https://conrado.ucf.edu.cu/index.php/conrado/article/view/2542
DOI: https://doi.org/10.71112/7z74xs42
1755 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 3, 2025, julio-septiembre
Patton, M. Q. (2023). Qualitative research & evaluation methods (5th ed.). SAGE Publications.
Plano Clark, V. L., & Ivankova, N. V. (2022). Mixed methods research: A guide to the field (2nd
ed.). SAGE Publications.
Ramírez, M. D., & Vega, T. (2023). Competencias digitales docentes y el uso de IA en aulas
fiscales ecuatorianas. Revista Digital de Educación, 11(2), 34–
50. https://doi.org/10.5281/zenodo.10092534
Sáez-López, J. M., Cózar-Gutiérrez, R., & Domínguez-Garrido, M. C. (2021). Realidad
aumentada y gamificación en educación: una revisión sistemática. Educación XX1,
24(2), 63–87. https://dialnet.unirioja.es/servlet/articulo?codigo=6765342
Smuha, N. A., Ahmed-Rengers, E., Harkens, A., Li, W., Maclaren, J., Piselli, R., & Yeung, K.
(2021). How the EU can achieve trustworthy AI: A response to the European
Commission’s proposal for an Artificial Intelligence Act. Leuven Centre for Global
Governance Studies. https://doi.org/10.2139/ssrn.3899991
UNESCO. (2021). Reimaginar juntos nuestros futuros: Un nuevo contrato social para la
educación. https://unesdoc.unesco.org/ark:/48223/pf0000379707
UNESCO. (2022). Futuros de la educación.
En Wikipedia. https://es.wikipedia.org/wiki/Futuros_de_la_educaci%C3%B3n_(UNESCO
)
UNESCO. (2023). Education and artificial intelligence: Challenges and
opportunities. https://unesdoc.unesco.org/ark:/48223/pf0000385131
Wikipedia. (2023, diciembre 28). Ley Orgánica de Protección de Datos Personales (Ecuador).
En Wikipedia. https://es.wikipedia.org/wiki/Ley_Org%C3%A1nica_de_Protecci%C3%B3
n_de_Datos_Personales_(Ecuador)
Xie, H., Chu, H. C., Hwang, G. J., & Wang, C. C. (2021). Trends and development in
technology-enhanced adaptive/personalized learning: A systematic review of journal
DOI: https://doi.org/10.71112/7z74xs42
1756 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 3, 2025, julio-septiembre
publications from 2007 to 2017. Computers & Education, 140,
103599. https://doi.org/10.1016/j.compedu.2019.103599
Yin, Y., Chen, L., & Wang, Y. (2021). How artificial intelligence improves learning outcomes:
Evidence from adaptive learning systems. British Journal of Educational Technology,
52(4), 1412–1430. https://doi.org/10.1111/bjet.13090
Zawacki-Richter, O., Marín, V. I., Bond, M., & Gouverneur, F. (2019). Systematic review of
research on artificial intelligence applications in higher education – Where are the
educators? International Journal of Educational Technology in Higher Education, 16(1),
1–27. https://doi.org/10.1186/s41239-019-0171-0
